介绍了一种基于图卷积的替代模型的混合方法,可以更便宜地进行加工和生成新的数据模拟,实现从网格数据到图或点云结构的转换,通过深度学习预测的结果与有限元方法产生的结果相似,且在生成模拟方面优于现有的 pointnet 和简单图神经网络模型。
该研究提出了一种基于图神经网络和专家指导的机器学习方案,用于自动生成飞机模型的计算流体动力学网格。该方法避免了精细度不足所导致的计算流体动力学网格生成失败,证明了自动生成网格的有效性,速度是自适应重网格方法的 5 倍。
介绍了一种基于图卷积的替代模型的混合方法,可以更便宜地进行加工和生成新的数据模拟,实现从网格数据到图或点云结构的转换,通过深度学习预测的结果与有限元方法产生的结果相似,且在生成模拟方面优于现有的 pointnet 和简单图神经网络模型。
该研究提出了一种基于图神经网络和专家指导的机器学习方案,用于自动生成飞机模型的计算流体动力学网格。该方法避免了精细度不足所导致的计算流体动力学网格生成失败,证明了自动生成网格的有效性,速度是自适应重网格方法的 5 倍。