2D_SABW_OOOO

该数据集捕捉了二维圆柱形空气泡在水中受外部冲击波作用的时间演化行为。冲击波的相互作用导致空气泡坍塌。本研究采用四周开放边界条件的情景。数据集包含300条轨迹，每条轨迹有101个时间步长，模拟结束时间为15微秒，保存间隔为0.15微秒。数据字段包括混合密度、水密度、空气密度、压力、X/Y方向速度和水体积分数。模拟分辨率为2048x2560（经过裁剪和下采样），数据集提供512x512和256x256两种分辨率。数据采用笛卡尔均匀网格，初始条件为气泡与周围预冲击环境处于平衡状态。边界条件为四周开放。关键建模挑战包括准确界面捕捉、域内峰值压力、理解波动力学和追踪气泡碎片。数据集适用于计算流体力学(CFD)、多相流、可压缩流和科学机器学习(SciML)等领域的研究。This dataset captures the temporal evolution of two-dimensional cylindrical air bubbles in water under external shock wave loading. The interaction of these shock waves induces the collapse of the air bubbles. This study utilizes a computational setup with four open boundary conditions. The dataset contains 300 trajectories, each with 101 time steps. The simulation concludes at 15 microseconds, with a data saving interval of 0.15 microseconds. The data fields include mixture density, water density, air density, pressure, velocities in X and Y directions, and water volume fraction. The original simulation resolution is 2048×2560 after cropping and downsampling, and the dataset provides two accessible resolutions: 512×512 and 256×256. The data is generated on a Cartesian uniform grid, with initial conditions where the air bubble is in equilibrium with the surrounding pre-shock environment. Key modeling challenges in this work include accurate interface capturing, prediction of intra-domain peak pressures, understanding of wave dynamics, and tracking of bubble fragments. This dataset is suitable for research in fields such as computational fluid dynamics (CFD), multiphase flow, compressible flow, and scientific machine learning (SciML).

搜集汇总

数据集介绍

构建方式

在计算流体力学领域，高保真数值模拟是研究复杂多相流现象的关键手段。本数据集通过求解二维可压缩欧拉方程，利用先进求解器ALPACA对开放边界条件下水中圆柱形气泡受外部冲击波诱导的坍塌过程进行高分辨率模拟。模拟覆盖了300条独立轨迹，每条轨迹包含101个时间步，模拟总时长为15微秒，数据以0.15微秒的间隔保存。初始条件设定气泡与周围预冲击环境处于平衡状态，并通过系统性地改变冲击马赫数、气泡数量、半径及中心位置等关键参数，生成了涵盖广泛物理条件的多样化数据。原始模拟分辨率为2048x2560，经裁剪和下采样后，最终提供512x512和256x256两种分辨率的数据版本，确保了数据在计算效率与物理细节间的平衡。

使用方法

该数据集主要服务于科学机器学习领域，旨在训练能够替代高成本计算流体力学模拟的代理模型或深度学习模型。研究人员可通过Hugging Face Hub直接下载完整数据集，或利用提供的Python代码片段选择性下载特定分辨率（如256x256）的数据子集。数据已按8:2的比例划分为训练集与测试集，便于进行模型训练与性能评估。在使用时，应重点关注数据所揭示的关键建模挑战，例如精确的界面捕捉、域内峰值压力的预测、波动力学的理解以及气泡碎片的追踪。这些挑战直接对应着多相可压缩流模拟中的核心难题，使得该数据集成为验证和推进相关机器学习方法效能的理想基准。

背景与挑战

背景概述

在计算流体力学领域，激波诱导气泡溃灭现象的研究对于理解水下爆炸、医学超声治疗以及推进系统等应用中的多相流动力学至关重要。2D_SABW_OOOO数据集由FluidVerse团队创建，专注于捕捉二维圆柱形空气泡在外部激波作用下的时间演化行为，采用全开放边界条件。该数据集基于ALPACA求解器模拟二维可压缩欧拉方程，包含300条轨迹，覆盖激波马赫数、气泡数量与尺寸等多种参数组合，为科学机器学习在复杂多相可压缩流场建模提供了高保真基准数据。

当前挑战

该数据集旨在解决激波与气泡相互作用的多相可压缩流动模拟问题，其核心挑战在于精确捕获气液界面演化、预测域内峰值压力、解析复杂波系动力学以及追踪气泡破碎后的碎片运动。在构建过程中，面临高分辨率模拟的计算成本高昂、开放边界条件下数值稳定性维护，以及多参数空间采样导致的数据规模与多样性平衡等难题。

常用场景

经典使用场景

在计算流体力学与科学机器学习领域，该数据集为研究冲击波诱导气泡坍塌的复杂物理过程提供了高保真模拟基准。其经典使用场景集中于训练和验证数据驱动的代理模型，以高效预测多相可压缩流中的界面演化、压力峰值及波动力学行为，替代传统计算成本高昂的数值模拟方法。

解决学术问题

该数据集有效解决了冲击波与气泡相互作用机理中的若干核心学术问题，如精确捕捉气液界面变形、追踪气泡破碎后的碎片运动、分析域内峰值压力分布以及理解开放边界条件下的波系演化规律。其意义在于为可压缩多相流研究提供了标准化、高分辨率的验证数据，显著推动了基于物理的机器学习模型在复杂流体系统中的应用与发展。

实际应用

在实际工程与工业应用中，该数据集所模拟的物理现象直接关联于水下爆炸、空化侵蚀、医疗超声碎石以及推进系统内爆等关键场景。通过基于此数据集构建的快速预测模型，工程师能够优化设备设计以抵抗冲击载荷、评估材料在空化环境下的耐久性，并为相关安全评估与风险控制提供可靠的数据支撑。

数据集最近研究

最新研究方向

在计算流体力学与科学机器学习交叉领域，激波诱导气泡溃灭的模拟数据正推动着高保真代理模型的发展。当前研究聚焦于利用深度神经网络捕捉气液界面动态演化，特别是针对多气泡相互作用与开放边界条件下的复杂波系结构。前沿工作致力于融合物理约束的神经网络架构，以精准预测域内峰值压力与气泡碎片轨迹，这为水下爆炸、医疗超声等工程与生物医学应用提供了高精度的数值实验平台。