AirfRANS_original

该数据集由Safran拥有，使用ODbL-1.0许可。数据生产类型为模拟，具体为2D CFD RANS翼型物理模型，使用OpenFOAM模拟器生成。数据集包含多个配置和分割，每个分割包含一系列样本编号。

原始信息汇总

数据集概述

基本信息

• 许可证: ODbL-1.0
• 数据集大小: n<1K
• 任务类别: graph-ml
• 标签:
  • physics learning
  • geometry learning
• 配置名称: default
• 数据文件路径: data/all_samples-*

数据集详情

• 数据集描述:
  • 所有者: Safran
  • 数据生产:
    • 类型: 模拟数据
    • 物理模型: 2D CFD RANS airfoil
    • 模拟器: OpenFOAM

数据分割

• 训练集角度 (aoa_train):
  • 93, 194, 935, 910, 246, 596, 237, 868, 394, 242, 814, 404, 166, 659, 955, 564, 469, 253, 676, 774, 576, 706, 45, 428, 782, 112, 599, 946, 11, 61, 345, 849, 788, 730, 716, 656, 861, 563, 574, 209, 565, 289, 164, 507, 794, 217, 333, 51, 226, 614, 55, 710, 256, 397, 429, 985, 884, 197, 640, 852, 337, 571, 56, 234, 309, 315, 591, 514, 35, 588, 727, 73, 108, 433, 593, 845, 720, 4, 595, 318, 66, 48, 370, 518, 735, 772, 589, 406, 426, 481, 724, 143, 130, 448, 8, 862, 809, 713, 159, 54, 759, 750, 760, 975, 912, 126, 732, 919, 362, 441, 389, 655, 241, 662, 808, 864, 191, 464, 489, 525, 556, 399, 400, 511, 820, 79, 290, 924, 628, 262, 969, 928, 719, 251, 711, 122, 751, 186, 284, 427, 77, 467, 103, 243, 925, 865, 667, 102, 993, 769, 34, 291, 526, 249, 551, 887, 346, 513, 19, 836, 446, 382, 220, 818, 280, 605, 125, 897, 615, 264, 233, 888, 410, 684, 657, 540, 848, 409, 936, 977, 763, 812, 770, 343, 319, 776, 466, 235, 87, 699, 357, 88, 627, 873, 198, 244, 89, 386, 202, 178, 733, 432, 339, 520, 43, 443, 58, 982, 307, 559, 383, 27, 797, 773, 972, 305, 20, 33, 821, 60, 422, 151, 349, 314, 7, 416, 558, 325, 902, 947, 768, 95, 690, 757, 721, 5, 170, 478, 157, 278, 252, 963, 407, 474, 114, 80, 604, 620, 177, 491, 453, 272, 365, 138, 970, 754, 784, 816, 529, 70, 781, 350, 663, 718, 168, 210, 668, 140, 611, 421, 483, 749, 903, 610, 296, 653, 997, 927, 40, 206, 175, 616, 266, 941, 356, 715, 830, 247, 313, 363, 567, 555, 685, 353, 840, 222, 594, 21, 131, 391, 352, 31, 499, 153, 538, 187, 6, 965, 97, 645, 501, 250, 121, 980, 182, 962, 737, 231, 107, 660, 866, 205, 547, 561, 306, 227, 619, 871, 373, 395, 299, 528, 390, 979, 412, 472, 214, 208, 874, 806, 566, 301, 876, 490, 462, 582, 891, 261, 52, 934, 201, 843, 783, 98, 581, 392, 402, 682, 24, 755, 622, 523, 190, 952, 229, 799, 869, 937, 644, 42, 796, 804, 274, 320, 630, 917, 25, 293, 41, 376, 196, 308, 575, 414, 633, 536, 624, 267, 294, 50, 618, 554, 823, 281, 29, 292, 694, 161, 105, 753, 895, 931, 263, 135, 981, 487, 602, 372, 765, 918, 815, 847, 434, 455, 298, 1, 496, 613, 218, 44, 493, 740, 674, 535, 915, 798, 213, 347, 664, 943, 225, 156, 498, 844, 722, 435, 752, 32, 185, 837, 381, 726, 359, 870, 494, 379, 286, 930, 909, 322, 436, 396, 142, 83, 652, 698, 707, 288, 512, 59, 329, 960, 16, 82, 505, 510, 850, 527, 366, 295, 855, 92, 817, 858, 139, 193, 585, 762, 971, 700, 516, 983, 867, 223, 739, 598, 13, 207, 106, 885, 741, 744, 793, 680, 999, 158, 811, 364, 81, 877, 321, 913, 521, 658, 911, 670, 984, 832, 450, 785, 841, 160, 171, 344, 683, 795, 169, 451, 270, 986, 393, 176, 573, 503, 413, 631, 127, 63, 856, 603, 331, 998, 579, 636, 23, 723, 317, 976, 743, 875, 539, 572, 144, 748, 276, 387, 904, 155, 53, 775, 813, 882, 704, 257, 479, 456, 728, 486, 831, 115, 587, 880, 361, 492, 878, 632, 240, 646, 174, 634, 15, 334, 846, 921, 38, 669, 889, 901, 134, 635, 420, 839, 500, 271, 17, 90, 922, 577, 623, 338, 926, 408, 259, 695, 424, 766, 374, 405, 283, 497, 200, 617, 310, 113, 898, 978, 590, 746, 688, 677, 123, 842, 672, 549, 475, 697, 419, 678, 340, 172, 835, 786, 738, 994, 541, 279, 470, 568, 834, 327, 96, 117, 896, 477, 236, 212, 991, 851, 461, 335, 906, 966, 957, 892, 495, 9, 872, 787, 488, 101, 203, 961, 951, 149, 415, 468, 825, 485, 100, 506, 886, 779, 128, 560, 691, 996, 607, 378, 304, 312, 330, 184, 224, 764, 133, 360, 534, 269, 709, 354, 537, 328, 508, 74, 550, 316, 12, 908, 124, 504, 761, 480, 502, 458, 517, 62, 531, 118, 22, 417, 519, 949, 810, 546, 702, 758, 696, 532, 85, 132, 989, 154, 939, 708, 375, 192, 476, 731, 938, 277, 179, 355, 789, 940, 580, 230, 945, 248, 377, 899, 285, 651, 805, 273, 944, 136, 973, 780, 881, 524, 600, 188, 303, 552, 10, 238, 954, 442, 439, 950, 916, 332, 515, 974, 679, 905, 75, 104, 609, 807, 232, 629, 625, 661, 189, 431, 152, 18, 948, 195, 533, 687, 26, 790, 76, 459, 228, 173, 167, 384, 452, 893, 215, 471, 639, 671, 649, 900, 829, 920, 638, 681, 522, 791, 129, 47, 465, 447, 637, 693, 933, 3

搜集汇总

数据集介绍

构建方式

AirfRANS_original数据集是通过二维计算流体动力学（CFD）模拟生成的，使用了OpenFOAM作为模拟工具。该数据集专注于翼型（airfoil）的雷诺平均纳维-斯托克斯（RANS）模拟，涵盖了多种攻角（AoA）和雷诺数条件下的流体动力学行为。数据的生成过程严格遵循物理规律，确保了数据的高精度和可靠性。

使用方法

AirfRANS_original数据集可用于训练和评估与流体动力学相关的机器学习模型，尤其是在翼型流场预测和优化任务中。用户可以通过加载数据集中的样本文件，提取流场数据并结合图神经网络（GNN）等模型进行训练。此外，数据集的分割信息（如训练集和测试集）可以帮助用户进行模型验证和性能评估。

背景与挑战

背景概述

AirfRANS_original数据集由Safran公司创建，主要用于研究空气动力学中的流场预测问题。该数据集基于2D CFD（计算流体动力学）模拟，使用OpenFOAM作为模拟工具，涵盖了多种翼型在不同攻角下的流场数据。其核心研究问题在于通过机器学习方法，特别是图机器学习，来预测复杂流场中的物理现象。该数据集的发布为空气动力学领域的研究提供了宝贵的数据资源，推动了物理学习与几何学习在流体力学中的应用。

当前挑战

AirfRANS_original数据集在解决流场预测问题时面临多重挑战。首先，流场数据的复杂性使得模型需要具备高精度的物理建模能力，以捕捉流场中的细微变化。其次，数据集的构建依赖于高保真度的CFD模拟，这对计算资源的要求极高，且模拟过程中可能引入数值误差。此外，如何将图机器学习方法有效应用于流场预测，尤其是在处理高维度和非结构化数据时，仍是一个开放的研究问题。这些挑战不仅考验模型的性能，也对数据预处理和特征提取提出了更高的要求。

常用场景

经典使用场景

AirfRANS_original数据集在空气动力学领域具有广泛的应用，尤其是在翼型（airfoil）的流体动力学模拟中。该数据集通过2D CFD RANS模拟生成，涵盖了多种攻角（angle of attack）和雷诺数条件下的流场数据。研究人员可以利用这些数据来训练和验证基于机器学习的流体动力学模型，特别是在复杂流场预测和湍流建模方面。

解决学术问题

AirfRANS_original数据集为流体动力学中的湍流建模和流场预测提供了高质量的训练数据。通过该数据集，研究人员能够解决传统CFD模拟中计算成本高、时间消耗大的问题，同时提升机器学习模型在复杂流体场景中的预测精度。该数据集的使用显著推动了基于物理的机器学习方法在空气动力学中的应用，为学术界提供了新的研究工具和基准。

实际应用

在实际应用中，AirfRANS_original数据集被广泛用于航空航天工程中的翼型设计和优化。通过该数据集训练的模型能够快速预测不同攻角和雷诺数下的流场特性，从而加速飞行器的设计迭代过程。此外，该数据集还可用于风力涡轮机叶片的气动性能优化，提升能源利用效率。

数据集最近研究

最新研究方向

近年来，AirfRANS_original数据集在物理学习和几何学习领域引起了广泛关注。该数据集基于2D CFD RANS（雷诺平均Navier-Stokes方程）模拟，专注于翼型空气动力学的研究。随着深度学习在流体力学中的应用逐渐深入，研究者们开始探索如何利用图神经网络（Graph Neural Networks, GNNs）来处理复杂的几何结构和物理场数据。AirfRANS_original数据集为这一方向提供了丰富的实验基础，尤其是在翼型流场预测、湍流建模和几何优化等任务中展现了巨大的潜力。通过结合物理约束和数据驱动的方法，研究者们能够更准确地模拟复杂的流体行为，从而推动航空航天、能源等领域的创新应用。