cylinder_flow

<p align="center"> <strong> <span style="font-size: 30px;">Cylinder Flow</span> </strong> </p> ## 数据集介绍 Cylinder Flow 数据集来源于 DeepMind 团队发表于 ICLR 2021 的论文 [《Learning Mesh-Based Simulation with Graph Networks》](https://arxiv.org/abs/2010.03409)，是该论文 MeshGraphNets 基准中的二维圆柱绕流（vortex shedding）数据。数据由 COMSOL 仿真生成，以二维非结构化三角网格描述流体绕过圆柱时的瞬态速度场和压力场；每条轨迹包含 600 个时间步，时间步长为 `dt=0.01`，可用于学习网格上的流场演化、涡脱落预测及图神经网络仿真评测。 ## 仓库说明 本标准化数据仓库整理了 Cylinder Flow 的训练集、验证集和测试集 TFRecord 文件，以及网格字段元信息和 MeshGraphNet 训练、推理所需的归一化统计量，可作为 `OneScience/MeshGraphNet` 模型的训练、推理、评测和可视化数据输入。核心数据统一放置在 `data/MeshGraphNet/` 下，并通过数据模式、SHA256 清单、完整性汇总和校验脚本记录、检查发布包结构与内容。 ## 文件说明 | 路径 | 功能 | 备注 | |---|---|---| | `README.md` | 数据集仓库使用说明 | 中文为主，介绍数据来源、仓库内容、数据格式、下载与校验方法 | | `data/cylinder_flow/meta.json` | TFRecord 数据元信息 | 记录仿真器、轨迹长度、字段名称，以及各字段的类型、shape 和 dtype | | `data/cylinder_flow/train.tfrecord` | 训练集轨迹数据 | TFRecord 格式，包含圆柱绕流训练轨迹 | | `data/cylinder_flow/valid.tfrecord` | 验证集轨迹数据 | TFRecord 格式，用于模型验证与参数选择 | | `data/cylinder_flow/test.tfrecord` | 测试集轨迹数据 | TFRecord 格式，用于模型测试与结果评估 | | `data/cylinder_flow/stats/edge_stats.json` | 边特征归一化统计量 | 包含 `edge_mean` 和 `edge_std`，每项长度为 3 | | `data/cylinder_flow/stats/node_stats.json` | 节点场归一化统计量 | 包含速度、速度差分和压力的均值与标准差 | | `metadata/cylinder_flow_schema.json` | Cylinder Flow 数据模式说明 | 汇总数据划分、特征定义、仿真配置、统计量字段和默认模型数据用量 | | `scripts/validate_cylinder_flow_dataset.py` | 数据集校验脚本 | 检查目录结构、文件大小、元信息和统计量；支持 TFRecord 首条样本读取及可选 SHA256 校验 | ## 数据格式 数据集采用 TFRecord 格式，每条记录对应一条非结构化网格流场轨迹。`-1` 表示随样本变化的节点数或三角形单元数；`static` 字段在整条轨迹中保持不变，`dynamic` 字段随时间步变化。 | 字段 | 类型 | shape | dtype | 说明 | |---|---|---:|---|---| | `cells` | `static` | `[1, -1, 3]` | `int32` | 三角形单元的节点索引，每个单元包含 3 个顶点 | | `mesh_pos` | `static` | `[1, -1, 2]` | `float32` | 网格节点的二维空间坐标 | | `node_type` | `static` | `[1, -1, 1]` | `int32` | 节点类型，用于区分流体内部、边界、入口和出口等节点 | | `velocity` | `dynamic` | `[600, -1, 2]` | `float32` | 600 个时间步上的二维速度场 | | `pressure` | `dynamic` | `[600, -1, 1]` | `float32` | 600 个时间步上的标量压力场 | 归一化统计文件包含以下字段： | 文件 | 字段 | |---|---| | `edge_stats.json` | `edge_mean`、`edge_std` | | `node_stats.json` | `velocity_mean`、`velocity_std`、`velocity_diff_mean`、`velocity_diff_std`、`pressure_mean`、`pressure_std` | ## 使用说明 本数据集适配 `OneScience/MeshGraphNet` MeshGraphNet 运行时可通过模型包脚本把本仓库的数据组织到模型运行目录。 - 文件与下载： ``` modelscope download --dataset OneScience/cylinder_flow --local_dir ./cylinder_flow modelscope download --model OneScience/MeshGraphNet --local_dir ./MeshGraphNet ``` - 数据验证 ```bash python scripts/validate_cylinder_flow_dataset.py ``` 完整 SHA256 校验可执行 `python scripts/validate_cylinder_flow_dataset.py --verify-sha256`。 ## OneScience 官方信息 | 平台 | OneScience 主仓库 | Skills 仓库 | |---|---|---| | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | ## 引用与许可证 - Cylinder Flow 原始论文：[Learning Mesh-Based Simulation with Graph Networks](https://arxiv.org/abs/2010.03409) - 本仓库保留来源说明，并面向 OneScience ModelScope 自动运行场景进行整理；公开分发前请根据上游项目确认许可证要求。