2D_ElastoPlastoDynamics

该数据集包含了使用非线性非局部本构定律的二维动态非线性结构力学数据。数据是通过模拟生成的，使用了OpenRadioss模拟器。数据集被分为训练集和测试集，其中训练集包含大量样本，测试集包含少量样本。数据集的特征包括位移分量和侵蚀状态等输出。

原始信息汇总

数据集概述

基本信息

• 数据集名称: 2D dynamic non-linear structural mechanics with a non-linear non-local constitutive law
• 所有者: Safran
• 许可证: CC-by-SA 4.0
• 数据集大小: 26,472,101,082 字节
• 下载大小: 8,758,142,461 字节
• 样本数量: 1,018
• 任务类别: 回归 (regression)
• 标签: physics learning, geometry learning

数据内容

• 数据类型: 仿真数据 (simulation)
• 物理模型: 2D动态非线性结构力学，非线性非局部本构定律
• 仿真工具: OpenRadioss
• 输出变量:
  • U_x (x方向位移)
  • U_y (y方向位移)
  • EROSION_STATUS (侵蚀状态)
• 输入网格: /Base_2_2/Zone

数据集结构

• 特征:
  • 名称: sample
  • 类型: binary
• 分割:
  • 训练集: 0-999
  • 测试集: 1000-1017

技术细节

• 数据格式: 遵循PLAID库的plaid.containers.sample.Sample格式
• 网格标准: CGNS (可转换为Muscat.Containers.Mesh.Mesh)

使用示例

python import pickle from datasets import load_dataset from plaid.containers.sample import Sample

加载数据集

dataset = load_dataset("chanel/dataset", split="all_samples")

获取第一个样本

split_names = list(dataset.description["split"].keys()) ids_split_0 = dataset.description["split"][split_names[0]] sample_0_split_0 = dataset[ids_split_0[0]]["sample"] plaid_sample = Sample.model_validate(pickle.loads(sample_0_split_0))

获取字段

field_names = plaid_sample.get_field_names() field = plaid_sample.get_field(field_names[0])

网格转换

from Muscat.Bridges import CGNSBridge CGNS_tree = plaid_sample.get_mesh() mesh = CGNSBridge.CGNSToMesh(CGNS_tree)

相关资源

• PLAID库文档: https://plaid-lib.readthedocs.io/
• 数据集仓库: Zenodo

搜集汇总

数据集介绍

构建方式

在非线性结构力学研究领域，2D_ElastoPlastoDynamics数据集通过OpenRadioss仿真平台精心构建，采用PLAID库数据模型规范生成。该数据集基于二维动态非线性结构力学理论，融入非线性非局部本构关系，通过参数化几何网格生成技术，系统性地构建了1018组样本数据。仿真过程严格遵循CGNS标准进行网格定义，每个样本包含瞬态位移场和侵蚀状态等多物理场数据，为复杂力学行为研究提供了标准化数据基础。

特点

该数据集最显著的特征在于其完整的非线性动力学仿真体系，包含x/y方向节点位移和单元侵蚀状态三类关键物理场。所有样本采用统一的结构化存储格式，通过PLAID容器实现数据封装，确保力学场数据与几何网格的精确对应。数据集规模达26GB，涵盖丰富的几何变体，每个样本均包含高精度时空演化数据，为机器学习模型训练提供了充分的非线性动力学特征表达。数据遵循CC-by-SA 4.0协议开放，其专业性和规范性在计算力学领域具有重要参考价值。

使用方法

使用该数据集需通过HuggingFace的datasets库加载，利用PLAID和Muscat库进行专业解析。典型流程包括：加载二进制样本数据后，通过Sample.model_validate方法反序列化，提取CGNS标准网格及物理场数据。研究人员可调用get_field_names获取场变量列表，进而分析位移场时空分布或侵蚀演化规律。数据集已预设训练/测试分割，支持直接用于机器学习模型的训练与验证，为非线性力学行为的预测建模提供端到端解决方案。

背景与挑战

背景概述

2D_ElastoPlastoDynamics数据集由Safran公司创建，专注于二维动态非线性结构力学领域，特别涉及非线性非局部本构定律的研究。该数据集通过OpenRadioss仿真工具生成，旨在为复杂材料力学行为提供高保真模拟数据。在工程力学与计算材料科学交叉领域，此类数据对理解材料在极端条件下的动态响应具有重要价值。数据集采用PLAID库标准化存储，遵循CGNS网格标准，其几何变异性和瞬态场输出为机器学习模型训练提供了丰富素材。

当前挑战

该数据集核心挑战在于非线性非局部本构关系的精确建模，这类问题涉及材料损伤演化的时空耦合特性，传统数值方法常面临收敛困难。构建过程中需克服多尺度物理现象耦合的仿真复杂度，包括几何变异引入的网格适应性挑战，以及瞬态场数据的高维存储需求。数据生产阶段需平衡计算精度与效率，而机器学习应用时则需解决小样本条件下高维动态特征的提取难题，这对图神经网络架构设计提出了特殊要求。

常用场景

经典使用场景

在计算力学领域，2D_ElastoPlastoDynamics数据集为研究非线性结构动力学提供了丰富的仿真数据。该数据集通过OpenRadioss模拟器生成的二维动态非线性结构力学数据，特别适用于研究材料在复杂载荷下的弹塑性行为。其包含的几何变异样本和瞬态场输出，为验证新型数值算法和本构模型提供了理想基准。

解决学术问题

该数据集有效解决了计算固体力学中的若干关键问题，包括非局部本构关系的建模挑战、大变形条件下的材料响应预测等。其精确的仿真数据为验证多尺度建模方法、开发新型材料模型算法提供了可靠依据，显著推进了计算力学领域从理论到数值实现的研究进程。

衍生相关工作

基于该数据集衍生的经典工作包括：开发基于图神经网络的力学场预测模型、建立数据驱动的本构关系识别框架等。这些研究显著推进了机器学习与计算力学的交叉融合，其中部分成果已应用于PLAID开源库的算法优化，形成了完整的产学研创新链条。