DoMINO DrivAerMLNVIDIA革命性AI空气动力学模型的完整指南【免费下载链接】domino_drivaerml项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/domino_drivaermlDoMINO DrivAerML是NVIDIA推出的基于点云的深度学习替代模型专为大规模汽车外部空气动力学模拟设计。该模型能够预测表面压力、壁面剪切应力场以及3D车辆几何上的体积速度、压力和湍流粘度场为计算流体动力学CFD应用提供强大支持是汽车工程领域的一项突破性技术。 模型核心功能与优势精准预测空气动力学关键参数DoMINO DrivAerML可同时输出表面和体积的多项关键空气动力学参数。表面预测包括压力M_s, 1和壁面剪切应力M_s, 3体积预测则涵盖速度M_v, 3、压力M_v, 1和湍流粘度M_v, 1。这些输出经过无量纲化处理并使用训练数据集计算的均值和标准差进行归一化确保结果的准确性和一致性。通过表面积分压力和壁面剪切应力预测还可进一步推导出阻力为车辆设计提供全面的数据支持。创新的多尺度神经算子架构架构类型基于点云的多尺度神经算子融合了全局几何编码、局部几何提取和基函数聚合技术。网络组成全局几何表示网络使用可学习的多尺度点卷积核通过CNN块处理输入点云将其投影到结构化潜在网格上并结合符号距离场SDF值和梯度进行增强。局部几何表示网络通过额外的点卷积核和全连接层从计算模板周围的全局网格中提取子区域特征。聚合网络利用基函数神经网络预测并通过逆距离加权聚合解决方案场。表面和体积预测由独立的网络实例处理同时共享几何编码。该架构拥有1970万模型参数点卷积核通过NVIDIA Warp使用GPU加速的动态球查询实现高效计算。 快速上手模型输入与输出输入数据规范输入类型3D点云坐标车辆表面和体积的PyTorch张量。具体参数表面网格节点坐标M_s, 3、表面法线M_s, 3、SDF值和梯度。体积均匀采样的3D点坐标M_v, 3。输入特性输入几何源自STL标准 tessellation 语言文件。表面采样采用面积加权体积采样为均匀随机。坐标归一化到车辆边界框。输出数据说明输出类型表面和体积空气动力学场的PyTorch张量。关键输出参数已在核心功能部分详细列出此外输出结果支持通过表面积分推导阻力为车辆空气动力学性能评估提供关键指标。 软件集成与系统要求运行环境与依赖运行时引擎PyTorch。支持的硬件微架构NVIDIA AmpereNVIDIA BlackwellNVIDIA HopperNVIDIA Turing支持的操作系统Linux。DoMINO DrivAerML模型专为在NVIDIA GPU加速系统上运行而设计和/或优化。通过利用NVIDIA的硬件如GPU核心和软件框架如CUDA库该模型实现了比仅使用CPU的解决方案更快的训练和推理时间显著提升工作效率。模型版本信息当前模型版本为1.0.0于2026年5月1日发布可全球部署供计算流体动力学CFD工程师使用AI加速汽车外部空气动力学研究。 训练与评估数据集DrivAerML数据集详解DoMINO DrivAerML模型的训练和评估使用DrivAerML数据集这是一个公开可用的高保真数据集包含500个参数化变形的DrivAer notchback车辆的空气动力学数据。该数据集通过混合RANS/LESHRLES生成这是一种尺度解析CFD方法为每个变体提供时间平均量。数据形式表面数据VTP格式。流场数据VTU格式。数据集拆分训练集436个样本约90%。测试集48个样本约10%其中约20%为基于阻力系数的分布外样本代表整个数据集中阻力系数最低和最高的极端情况在训练期间模型未见过这些样本。数据特性每个案例包含约1.5亿个体积元素和1000万个表面元素为模型训练提供了丰富的高分辨率数据。⚠️ 伦理考量与安全指南使用DoMINO DrivAerML模型需遵循NVIDIA开放模型协议。NVIDIA认为可信AI是一项共同责任并已建立相关政策和实践以支持广泛的AI应用开发。开发人员在下载或按照服务条款使用时应与内部模型团队合作确保该模型满足相关行业和用例的要求并解决意外的产品误用问题。有关该模型伦理考量的更多详细信息请参阅模型卡片子卡Bias、Explainability、Privacy和Safety Security。如发现模型质量、风险、安全漏洞或NVIDIA AI问题请在此报告。 参考资源代码Code论文DoMINO: A Decomposable Multi-scale Iterative Neural Operator for Modeling Large Scale Engineering Simulations数据集论文DrivAerML: High-Fidelity Computational Fluid Dynamics Dataset for Road-Car External Aerodynamics要开始使用DoMINO DrivAerML模型可通过以下命令克隆仓库git clone https://gitcode.com/hf_mirrors/nvidia/domino_drivaerml该模型可用于商业用途为汽车空气动力学研究和工程设计带来革命性的AI加速体验。【免费下载链接】domino_drivaerml项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/domino_drivaerml创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
DoMINO DrivAerML：NVIDIA革命性AI空气动力学模型的完整指南
DoMINO DrivAerMLNVIDIA革命性AI空气动力学模型的完整指南【免费下载链接】domino_drivaerml项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/domino_drivaermlDoMINO DrivAerML是NVIDIA推出的基于点云的深度学习替代模型专为大规模汽车外部空气动力学模拟设计。该模型能够预测表面压力、壁面剪切应力场以及3D车辆几何上的体积速度、压力和湍流粘度场为计算流体动力学CFD应用提供强大支持是汽车工程领域的一项突破性技术。 模型核心功能与优势精准预测空气动力学关键参数DoMINO DrivAerML可同时输出表面和体积的多项关键空气动力学参数。表面预测包括压力M_s, 1和壁面剪切应力M_s, 3体积预测则涵盖速度M_v, 3、压力M_v, 1和湍流粘度M_v, 1。这些输出经过无量纲化处理并使用训练数据集计算的均值和标准差进行归一化确保结果的准确性和一致性。通过表面积分压力和壁面剪切应力预测还可进一步推导出阻力为车辆设计提供全面的数据支持。创新的多尺度神经算子架构架构类型基于点云的多尺度神经算子融合了全局几何编码、局部几何提取和基函数聚合技术。网络组成全局几何表示网络使用可学习的多尺度点卷积核通过CNN块处理输入点云将其投影到结构化潜在网格上并结合符号距离场SDF值和梯度进行增强。局部几何表示网络通过额外的点卷积核和全连接层从计算模板周围的全局网格中提取子区域特征。聚合网络利用基函数神经网络预测并通过逆距离加权聚合解决方案场。表面和体积预测由独立的网络实例处理同时共享几何编码。该架构拥有1970万模型参数点卷积核通过NVIDIA Warp使用GPU加速的动态球查询实现高效计算。 快速上手模型输入与输出输入数据规范输入类型3D点云坐标车辆表面和体积的PyTorch张量。具体参数表面网格节点坐标M_s, 3、表面法线M_s, 3、SDF值和梯度。体积均匀采样的3D点坐标M_v, 3。输入特性输入几何源自STL标准 tessellation 语言文件。表面采样采用面积加权体积采样为均匀随机。坐标归一化到车辆边界框。输出数据说明输出类型表面和体积空气动力学场的PyTorch张量。关键输出参数已在核心功能部分详细列出此外输出结果支持通过表面积分推导阻力为车辆空气动力学性能评估提供关键指标。 软件集成与系统要求运行环境与依赖运行时引擎PyTorch。支持的硬件微架构NVIDIA AmpereNVIDIA BlackwellNVIDIA HopperNVIDIA Turing支持的操作系统Linux。DoMINO DrivAerML模型专为在NVIDIA GPU加速系统上运行而设计和/或优化。通过利用NVIDIA的硬件如GPU核心和软件框架如CUDA库该模型实现了比仅使用CPU的解决方案更快的训练和推理时间显著提升工作效率。模型版本信息当前模型版本为1.0.0于2026年5月1日发布可全球部署供计算流体动力学CFD工程师使用AI加速汽车外部空气动力学研究。 训练与评估数据集DrivAerML数据集详解DoMINO DrivAerML模型的训练和评估使用DrivAerML数据集这是一个公开可用的高保真数据集包含500个参数化变形的DrivAer notchback车辆的空气动力学数据。该数据集通过混合RANS/LESHRLES生成这是一种尺度解析CFD方法为每个变体提供时间平均量。数据形式表面数据VTP格式。流场数据VTU格式。数据集拆分训练集436个样本约90%。测试集48个样本约10%其中约20%为基于阻力系数的分布外样本代表整个数据集中阻力系数最低和最高的极端情况在训练期间模型未见过这些样本。数据特性每个案例包含约1.5亿个体积元素和1000万个表面元素为模型训练提供了丰富的高分辨率数据。⚠️ 伦理考量与安全指南使用DoMINO DrivAerML模型需遵循NVIDIA开放模型协议。NVIDIA认为可信AI是一项共同责任并已建立相关政策和实践以支持广泛的AI应用开发。开发人员在下载或按照服务条款使用时应与内部模型团队合作确保该模型满足相关行业和用例的要求并解决意外的产品误用问题。有关该模型伦理考量的更多详细信息请参阅模型卡片子卡Bias、Explainability、Privacy和Safety Security。如发现模型质量、风险、安全漏洞或NVIDIA AI问题请在此报告。 参考资源代码Code论文DoMINO: A Decomposable Multi-scale Iterative Neural Operator for Modeling Large Scale Engineering Simulations数据集论文DrivAerML: High-Fidelity Computational Fluid Dynamics Dataset for Road-Car External Aerodynamics要开始使用DoMINO DrivAerML模型可通过以下命令克隆仓库git clone https://gitcode.com/hf_mirrors/nvidia/domino_drivaerml该模型可用于商业用途为汽车空气动力学研究和工程设计带来革命性的AI加速体验。【免费下载链接】domino_drivaerml项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/domino_drivaerml创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
