飞桨采用NVIDIA Modulus打造汽车风阻预测模型DNNFluid-Car
原文中文，约6400字，阅读约需16分钟。发表于：。随着汽车行业的不断进步，设计工程师的主要目标之一是降低风阻系数和阻力。数据显示，汽车行驶过程中为克服气动阻力而消耗的能量占整车能耗的20%左右。通常工程师会利用计算流体力学（CFD）软件来计算不同汽车车体的流场信息，识别并改进高阻力区域，如前端、车顶和尾部。此外，还会通过优化车轮凹槽、后视镜和车底扰流板等细节设计，以减少涡流产生。最终，开发出一款具有出色气动特性的车型，满足市场对更优异的气动性能、...
百度飞桨与NVIDIA合作开发了DNNFluid-Car模型，用于汽车空气动力学数值模拟。该模型基于深度学习框架和物理模型，能够预测汽车的风阻系数和压力分布。通过优化数据加载、模型训练和模型推理等方面，提高了模型的训练速度和计算性能。该模型已在多个标准模型和实车数据集上进行了验证，展现了高效的计算性能和精度。百度飞桨将继续推动人工智能技术在车辆设计领域的应用，为汽车产业的转型和升级提供解决方案。
