AF-200K

我们提出了一个全面的2D翼型数据集，用于研究可控翼型逆向设计。该数据集包含大量翼型数据，用于训练和评估翼型设计模型。

We present a comprehensive 2D airfoil dataset for the study of controllable airfoil inverse design. This dataset contains a vast amount of airfoil data, intended for training and evaluating airfoil design models.

原始信息汇总

数据集概述

数据集名称

• 名称: AFBench
• 描述: 一个大规模的2D翼型设计基准数据集，用于研究可控翼型逆向设计。

数据集内容

• 数据集URL: https://drive.google.com/drive/folders/1SV9Vyb0EisuG0t69YauGUyq0C5gKwRgt?usp=sharing

• 数据结构:

  AFBench ├── data │ ├── airfoil │ │ │── 000000.dat │ │ │── ... | | |── 199999.dat | |── train_split.txt | |── val_split.txt | |── test_split.txt | |── geometry_label.txt

数据集应用

• 任务: 可控翼型生成任务，包括基础技术如cVAE, cGAN以及高级模型如PK-GAN, PK-VAE, PKVAE-GAN和PK-DiT。
• 评估指标:
  • $sigma_{i}$: 标签误差，表示物理量的约束程度，值越低表示约束越严格。
  • $mathcal{D}$: 生成模型多样性，值越高表示多样性越大。
  • $mathcal{M}$: 生成输出的平滑度，值越低表示生成越平滑。

数据集性能

• 基准和基线: 提供了不同方法在AF-200K数据集上的性能比较，包括CVAE, CGAN, PK-VAE, PK-GAN, PKVAE-GAN, PK-DIFF和PK-DIT等。
• 编辑任务: 包括关键点编辑(EK)和物理参数编辑(EP)任务的性能评估。

数据集使用

环境配置

• 依赖: PyTorch 1.13.1, CUDA 11.7
• 安装命令: bash conda create -n afbench python=3.9 conda activate afbench
  pip install -r requirements.txt

数据集设置

• 下载与解压: 下载官方AF-200K数据集并解压至指定目录。

使用方法

• 评估脚本: evaluate.py
• 参数:
  • -n NMODEL: 模型数量，默认1。
  • -w WEIGHT: 表面损失权重，默认1。
  • -t TASK: 训练任务，默认"full"。
  • -s SCORE: 计算模型在相关测试集上的分数，默认0。
• 示例: bash python evaluate.py vae -t scarce -n 2 -s 1

搜集汇总

数据集介绍

构建方式

在航空工程领域，AF-200K数据集的构建旨在为可控翼型逆设计研究提供一个全面的二维翼型数据集。该数据集通过收集和整理大量翼型数据，确保了数据的多样性和代表性。具体构建过程中，数据集包含了200,000个翼型样本，每个样本均经过详细的标注和几何特征提取，以支持复杂的机器学习模型训练和评估。

特点

AF-200K数据集的显著特点在于其大规模和多样性。该数据集不仅涵盖了广泛的翼型几何形状，还包含了丰富的物理参数标注，如雷诺数和攻角等。此外，数据集的结构设计合理，便于研究人员进行数据分割和模型训练。其高质量的数据标注和多样化的样本使得该数据集成为翼型设计领域的重要基准。

使用方法

使用AF-200K数据集时，用户首先需要下载数据集并解压，确保数据结构符合要求。随后，用户可以根据需求选择合适的模型进行训练或评估。数据集提供了详细的代码示例和环境配置指南，确保用户能够顺利进行实验。通过调用`evaluate.py`脚本，用户可以轻松评估不同模型的性能，并根据结果进行进一步的优化和研究。

背景与挑战

背景概述

AF-200K数据集是由Jian Liu及其团队于2024年创建的，旨在为空气动力学领域的可控翼型逆设计研究提供一个大规模的基准。该数据集的核心研究问题是如何通过机器学习方法生成和编辑翼型，以优化其空气动力学性能。AF-200K的推出，极大地推动了空气动力学设计领域的研究进展，为研究人员提供了一个标准化的测试平台，促进了新算法和模型的开发与验证。

当前挑战

AF-200K数据集在构建过程中面临了多个挑战。首先，翼型的几何复杂性和空气动力学性能的多样性要求数据集具有高度的多样性和代表性。其次，数据集的构建需要处理大量的物理参数和几何特征，确保生成的翼型在实际应用中具有可行性。此外，评估生成的翼型性能需要复杂的计算和仿真，这增加了数据集使用的难度。最后，如何确保生成的翼型在不同条件下的稳定性和可靠性，是该数据集面临的重要挑战。

常用场景

经典使用场景

在航空工程领域，AF-200K数据集的经典使用场景主要集中在空气动力学设计和优化中。该数据集通过提供大规模的二维翼型数据，支持研究人员和工程师在可控翼型逆设计方面进行深入探索。具体应用包括翼型的生成与编辑、翼型性能预测以及翼型设计参数的优化，这些应用为新一代高效能航空器的研发提供了坚实的基础。

衍生相关工作

基于AF-200K数据集，衍生了一系列重要的研究工作。例如，研究人员开发了多种生成对抗网络（GAN）和变分自编码器（VAE）模型，用于翼型的自动生成和编辑。这些模型不仅提高了翼型设计的效率，还拓展了翼型设计的创新空间。此外，数据集还促进了翼型设计与物理参数编辑任务的结合研究，推动了翼型设计理论与实际应用的深度融合。

数据集最近研究

最新研究方向

在航空工程领域，AF-200K数据集的最新研究方向主要集中在可控翼型逆设计的高级生成模型上。研究者们致力于开发和优化如cVAE、cGAN、PK-VAE、PK-GAN等模型，以提高翼型设计的多样性和物理参数的精确控制。这些研究不仅推动了翼型设计的技术进步，还为航空工业提供了更高效、更精确的设计工具，从而在提升飞行器性能和降低设计成本方面具有重要意义。