Hugging Peers

aerofoil-ml-bench

☆ Save
by OneScience Apache License 2.0
2 downloads 3 likes on ModelScope updated

Model card

aerofoil-ml-bench

模型介绍

aerofoil-ml-bench 复现论文 "Benchmarking machine learning models for predicting aerofoil performance"（arXiv:2504.15993, EWTEC 2025）。该工作比较了四种神经网络（MLP、PointNet、GraphSAGE、GUNet）用于预测翼型周围流场（密度、动量、能量、涡量）并进一步计算升力系数 CL 的性能。

论文：Benchmarking machine learning models for predicting aerofoil performance https://arxiv.org/abs/2504.15993

注意：本仓库使用本地可用的 CFD_Benchmark/NACA_Cylinder 数据做端到端演示，并非论文原始 windAI_bench 数据集，结果与论文 Table 1-4 不可直接比较。

模型描述

包含论文中的四种模型结构，均由 encoder(MLP) + 主干 + decoder(MLP) 组成，输入为每节点的 6 维特征，输出为每节点的 5 维流场变量：

  • MLP.py (models/NN.py)：多层感知机基线
  • PointNet.py：点云 MLP + 全局最大池化基线
  • GraphSAGE.py：图邻域聚合网络
  • GUNet.py：多尺度图 U-Net

适用场景

场景 说明
流场预测训练 使用翼型 CFD 数据训练上述四类模型
本地快速验证 检查数据读取、模型训练与推理
ModelScope/OneCode 运行 作为独立模型包下载后直接安装依赖并运行脚本

使用说明

1. OneCode 使用

可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：

点击体验智能化一键式 AI4S 编程

2. 手动安装使用

硬件要求

  • 推荐使用 GPU 或 DCU 运行。
  • CPU 可以用于导入和小配置连通性验证，完整训练和推理速度较慢。
  • DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。

下载模型包

modelscope download --model OneScience/aerofoil-ml-bench --local_dir ./model
cd model

安装运行环境

DCU环境

conda create -n onescience311 python=3.11 -y
conda activate onescience311
pip install onescience[cfd-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai

GPU环境

conda create -n onescience311 python=3.11 -y
conda activate onescience311
pip install onescience[cfd-gpu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai

训练数据介绍

本模型使用 AirfRANS 数据集（二维翼型不可压缩 RANS 亚音速仿真点云）。

modelscope download --dataset OneScience/airfrans --local_dir ./data

训练

python scripts/main.py MLP --data-dir <DATA_DIR> --out-dir metrics --foils 10 --epochs 30 --graph

训练权重保存在 metrics/{foils}_samples/{model}/model.pt。

训练权重

  • weight/MLP.pt
  • weight/PointNet.pt
  • weight/GraphSAGE.pt
  • weight/GUNet.pt

推理

python scripts/validation.py MLP --data-dir <DATA_DIR> --out-dir metrics --graph

推理输出测试集流场 RMSE（总/表面/流体/逐变量）及每样本推理耗时。

评估和可视化

python scripts/validation.py MLP --data-dir <DATA_DIR> --out-dir metrics --graph

（评估脚本 validation.py 计算测试 RMSE；面板法 CL 计算见 scripts/post_proc/panel_method.py，需要数据集包含翼型表面节点。）

OneScience 官方信息

平台 OneScience 主仓库 Skills 仓库
Gitee https://gitee.com/onescience-ai/onescience https://gitee.com/onescience-ai/oneskills
GitHub https://github.com/onescience-ai/OneScience https://github.com/onescience-ai/oneskills

引用与许可证

开源仓库复用上游内容，复现的论文可参考下面描述

  • 本仓库为 "Benchmarking machine learning models for predicting aerofoil performance"（arXiv:2504.15993）论文的复现版本。
  • 官方代码：https://github.com/OllieS-PhD/Benchmark_Aerofoils