BriefGPT - AI 论文速递
·
基于物理的深度学习视频中湍流强度 $C_n^2$ 的估计
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
BLASTNet 2.0是一个包含744个全域样本的2.2TB数据集，用于解决三维高保真可压湍流流动模拟数据稀缺的问题。通过基准测试评估了49种不同的深度学习方法在三维超分辨率方面的性能，对科学成像、模拟、湍流模型和计算机视觉应用有所改进。数据已公开可下载。
🎯
关键要点
- BLASTNet 2.0是一个包含744个全域样本的2.2TB数据集。
- 数据集来自34个高保真直接数值模拟，解决了三维高保真可压湍流流动模拟数据稀缺的问题。
- 基准测试评估了49种不同的深度学习方法在三维超分辨率方面的性能。
- 该方法对科学成像、模拟、湍流模型和计算机视觉应用有所改进。
- 进行了神经缩放分析，检验不同机器学习方法的性能。
- 证明了预测性能可以随着模型规模和成本的增加而提高。
- 体系结构对于较小的模型尤其重要。
- 基于物理的损失函数的好处在模型规模增大时仍然存在。
- 基准研究的成果将有助于设计三维超分辨率模型，特别是对于湍流模型。
- 数据已公开可下载，并提供了下载链接和浏览工具。
➡️
