Core Concepts
다중 모달 유체 시뮬레이션 데이터 생성의 효율적인 방법 소개
Abstract
머신 러닝을 활용한 복잡한 유체 역학 예측에 대한 연구
학습 데이터 생성 프로세스 및 소프트웨어 도구 인터페이스에 대한 상세한 설명
소비자급 하드웨어에서 초당 6.5프레임의 생성 속도 달성
데이터 주어진 시뮬레이션에 대한 신경 모델 훈련에 적합함을 입증
다중 모달 유체 시뮬레이션 및 유체 역반사에 대한 신경 모델 훈련에 대한 유용성 증명
1. 소개
머신 러닝을 유체 역학에 적용한 연구가 중요성을 갖고 있음
유체 역학에 대한 복잡한 자연 현상의 이해를 위한 데이터 주도 모델의 응용
2. 데이터 생성
C++ 코드 라이브러리를 사용하여 FluidX3D Lattice-Boltzmann GPU 시뮬레이터를 재구성
시뮬레이션 해상도 및 렌더링 해상도를 변경하여 자원 소비 분석
3. 성능 평가
소비자급 하드웨어에서 초당 6.5프레임의 생성 속도 달성
GPU 프로그래밍을 통해 시뮬레이션 및 렌더링 단계에 대한 성능 향상
Stats
우리의 접근법은 초당 6.5프레임의 생성 속도를 달성함
GPU 프로그래밍을 통해 빠른 데이터셋 생성 가능
Quotes
"우리의 작업은 머신 러닝 분야를 발전시키는 것을 목표로 함" - Vinuesa & Brunton, 2022
"데이터 주도 모델을 훈련하기 위해 우리의 데이터가 적합함을 입증" - Ummenhofer et al., 2020