BubbleSH

BubbleSH是由埃因霍温理工大学创建的高保真气泡流数据集，专注于捕捉可变形气泡在群体中的瞬态三维动力学行为。该数据集源自高分辨率前向追踪直接数值模拟，包含24种参数配置下32个气泡的时间序列数据，每个气泡通过球谐系数紧凑表征其形态演化，实现了约173倍的压缩比，有效融合了轨迹运动与表面几何的耦合信息。其生成过程基于精确的界面解析数值方法，通过周期性边界条件模拟了空气-水系统中气泡群的上升过程。该数据集旨在为数据驱动的多相流模拟器开发提供基准，特别适用于几何深度学习模型在可变形物体与湍流交互场景中的训练与评估，以解决传统欧拉-拉格朗日模型中因平均化导致的气泡变异性与瞬态变形信息丢失问题。BubbleSH is a high-fidelity bubbly flow dataset developed by Eindhoven University of Technology, focusing on capturing the transient 3D dynamical behaviors of deformable bubbles in a bubble swarm. This dataset is derived from high-resolution forward-tracking direct numerical simulations, containing time-series data of 32 bubbles under 24 distinct parameter configurations. The morphological evolution of each bubble is compactly represented via spherical harmonic coefficients, achieving an approximately 173-fold compression ratio that effectively fuses the coupled information between trajectory motion and surface geometry. Its generation process relies on an accurate interface-resolved numerical method, which simulates the rising dynamics of bubble swarms in an air-water system using periodic boundary conditions. This dataset aims to serve as a benchmark for the development of data-driven multiphase flow simulators, and is particularly well-suited for training and evaluating geometric deep learning models in scenarios involving deformable objects interacting with turbulence, to address the loss of bubble variability and transient deformation information caused by averaging in traditional Euler-Lagrange models.

原始信息汇总

数据集概述：BubbleSH: A Dataset of Rising Bubbles with Deformable Interfaces

• 标题：BubbleSH: A Dataset of Rising Bubbles with Deformable Interfaces
• 发布版本：v1
• 发布日期：2026年7月6日
• 资源类型：数据集
• 出版商：Zenodo
• DOI标识：10.5281/zenodo.21229301

作者/创作者

• Rachna Ramesh
• Kiet Bennema ten Brinke
• Douwe Orij
• Ivo Roghair
• Vlado Menkovski

隶属机构

1. 埃因霍温理工大学（Eindhoven University of Technology）

数据集文件

• 总大小：9.2 GB
• 主要文件：
  • Data.zip（9.2 GB，MD5校验值：4fb119b2bed865c9208442f241413e50）
  • README.md（4.4 kB，MD5校验值：cb88dcb9115550d2fa6f2ffebdf198b5）

相关作品

• 衍生自：软件 https://github.com/iroghair/sph-bubble-convert（URL）

许可协议

• 许可类型：Creative Commons Attribution 4.0 International（CC BY 4.0）

引用格式（APA）

Ramesh, R., Brinke, K. B. ten ., Orij, D., Roghair, I.& Menkovski, V. (2026). BubbleSH: A Dataset of Rising Bubbles with Deformable Interfaces [Dataset]. Zenodo. https://doi.org/10.5281/zenodo.21229301

其他信息

• 索引情况：已在 OpenAIRE 中索引
• 版本说明：所有版本可通过 DOI 10.5281/zenodo.21229300 引用
• 技术元数据：创建日期 2026年7月9日，修改日期 2026年7月9日

搜集汇总

数据集介绍

构建方式

BubbleSH数据集基于高保真界面分辨直接数值模拟（DNS）生成，采用前沿追踪（FT）方法在周期性边界条件下的立方体域内模拟空气-水系统中可变形气泡群的上升动力学。模拟覆盖了3种气泡直径（4、5、6毫米）与8种气相体积分数（5%至40%），共计24种参数配置，每配置追踪32个气泡的运动。原始三角化界面网格通过截断至14阶的球谐函数展开进行降维压缩，每个气泡的形态由225个系数紧凑表示，在保持物理精度的同时实现了约173倍的压缩比。数据集以固定时间间隔记录气泡质心位置、速度及球谐系数，时序跨度约为1.3至1.8秒。

使用方法

使用者可通过Zenodo平台获取BubbleSH数据集，其结构按气泡直径与气相体积分数组织为多个模拟子集。每个子集包含随时间演化的气泡质心轨迹、速度矢量以及对应时刻的球谐形状系数。数据集适用于多种下游任务：可直接用于训练轨迹预测或形态演化的时序模型，也可作为概率生成式仿真器的基准，评估模型在混沌多相流中对未来状态分布的学习能力。配套的开源工具支持将球谐系数重建为三维点云或网格，便于可视化与几何分析。建议采用论文中定义的相对位移误差与分布距离指标进行标准化评估，以确保不同研究间的可比性。

背景与挑战

背景概述

气液两相流中气泡群的运动与形变是多相流工程与自然过程的核心物理现象，其复杂多尺度动力学长期以来吸引着广泛研究。由埃因霍温理工大学数学与计算机科学系及化学工程与化学系的研究人员Rachna Ramesh、Kiet Bennema ten Brinke、Douwe Orij、Ivo Roghair和Vlado Menkovski于2026年共同创建的BubbleSH数据集，旨在填补高保真直接数值模拟数据在可复用形态学描述方面的空白。该数据集基于前沿追踪方法，系统记录了周期性域内不同直径（4、5、6毫米）与气体体积分数（5%至40%）条件下32个可变形气泡上升过程中的瞬态三维轨迹、速度及形状演化。通过将气泡界面紧凑地编码为球谐系数，BubbleSH在保持物理丰富性的同时大幅降低数据维度，为数据驱动的多相流建模提供了珍贵基准，对推动混沌系统中可变形体交互的机器学习研究具有里程碑式意义。

当前挑战

BubbleSH数据集所应对的领域核心挑战在于：传统欧拉-拉格朗日模型将气泡群动态简化为时间平均拖曳力、升力等关联式，丧失了单个气泡在上升过程中因界面变形与局部湍流诱导的丰富速度、形态与轨迹变异性。构建过程中，高保真前沿追踪模拟的单组配置计算代价极为高昂——低气体分数情形需逾30天方能生成1.5秒物理时间，而高密度拓扑操作与界面重构亦需严格保持体积守恒与网格质量。此外，将原始三角形网格（每个气泡约1.5万节点）压缩为225阶球谐系数时，需在保留几何精度（重构面积误差低于0.1%）与消除吉布斯振荡之间达成精妙平衡；周期性边界条件虽规避了壁面效应，却限制了对大尺度非均匀性与长程羽流动力学的表征。

常用场景

经典使用场景

BubbleSH数据集为研究可变形气泡在湍流环境中集体运动的复杂多尺度动力学提供了高保真度的标准化基准。其核心使用场景在于训练与评估面向气泡群的数据驱动代理模型，尤其是那些需要同时预测气泡质心轨迹与动态表面形貌的生成式模型。该数据集以紧凑的球谐系数表征每个气泡的变形界面，兼顾了物理表达性与计算轻量性，使得研究者能够构建从高分辨率直接数值模拟到大规模欧拉-拉格朗日模拟之间的桥梁。通过提供时间解析的三维气泡运动轨迹与形貌演变，BubbleSH使得对气泡群中多体相互作用与界面变形的联合建模成为可能，从而推动了对经典多相流问题的数据驱动理解。

解决学术问题

BubbleSH有效填补了当前多相流研究中高保真度公开数据集的空白，尤其针对气泡群内单个气泡级别的瞬态三维动力学数据的稀缺问题。传统欧拉-拉格朗日模型将丰富的个体气泡动力学信息坍缩为平均化闭合关系，丧失了关于气泡间速度涨落、历史效应及瞬态变形等关键信息。BubbleSH的发布使得研究者能够系统性地探讨如何从数据中学习并保留这些被平均过程隐藏的微观力学行为。该数据集首次将可变形界面的时空演化与粒子轨迹一并纳入数据驱动建模框架，为发展兼具轨迹预测与表面几何学习能力的物理信息机器学习模型提供了全新试验场，显著促进了混沌多相系统生成式模型的理论与评估方法学进展。

实际应用

在实际工程应用中，BubbleSH驱动的高保真度代理模型展现出将直接数值模拟的精度迁移至大规模工业过程仿真的巨大潜力。化学与生化反应器中气泡柱的流型优化、废水处理装置中的气液传质效率提升，以及冶金过程中的搅拌混合控制，均可从快速且精准的气泡动力学预测中获益。通过将训练好的仿真器集成到设计迭代中，工程师能够以数个数量级的计算加速获得单个气泡级别的运动与变形细节，从而规避传统欧拉-拉格朗日模型因过度平均化而引入的预测误差。BubbleSH所支持的概率性生成框架还赋予了系统量化湍流内在随机性的能力，为过程安全分析与鲁棒性设计提供了前所未有的物理一致性保障。

数据集最近研究

最新研究方向

当前，BubbleSH数据集的前沿研究方向聚焦于利用几何深度学习与生成式模型框架，对可变形气泡群在湍流环境中的多体耦合动力学进行高保真概率建模。该数据集将气泡质心轨迹与基于球谐函数的连续形态描述相结合，填补了刚性粒子动力学与连续介质模拟之间的空白，为学习具有时空可变形界面的复杂多相系统提供了理想基准。特别地，其混沌特性驱动了条件流匹配、等变图神经网络等生成式替代模型的发展，以极低计算成本再现气泡群体的集体运动与形变演化，支撑起工业化尺度下保留单泡精度的可扩展数值模拟范式。

相关研究论文

• BubbleSH: A Dataset of Rising Bubbles with Deformable Interfaces

  埃因霍温理工大学·数学与计算机科学系; 埃因霍温理工大学·化学工程与化学系 · 2026年