HiLiftAeroML
קוד פתוחnvidiacc-by-4.02025-11-14
nvidia עומדים גם מאחורי NVIDIA AI, ויש עליו סקירה כאן.
מאגר סימולציות זרימה חישוביות ברזולוציה גבוהה של מטוס תצורת נחיתה והמראה. חוקרים ישתמשו בו כדי לאמן מודלי סוֹרוֹגייט שמחליפים סימולציות פיזיקליות כבדות ויקרות.
- 14,890הורדות בחודש
- 32לייקים
מה זה
המאגר כולל 1,800 דגימות שמבוססות על 180 וריאציות גיאומטריות של דגם המחקר NASA CRM-HL, על פני עשר זוויות התקפה שנעות בין 4 ל־22 מעלות בקפיצות של שתי מעלות. הנתונים הופקו באמצעות פותר הזרימה Fidelity Charles בגישת explicit wall-modeled LES, על רשתות חישוביות אדפטיביות של 300 עד 500 מיליון תאים.
כל הרצה מאוחסנת בתיקייה נפרדת ומכילה קובצי VTU דחוסים של שדות זרימה ממוצעים בזמן על פני השטח ובתוך הנפח, קובצי גיאומטריה בפורמטים STL ו־STP, ומשקולות שטח מקוריות בקובצי NPY. לצדם מצורפים נתוני כוחות ומומנטים ממוצעים בקובצי CSV, תמונות מאמצי גזירה וגרפי התכנסות בזמן עבור מקדמי עילוי, גרר ומומנט.
ברמת השורש מופיעים קובצי ריכוז של כלל המקדמים והפרמטרים הגיאומטריים, יחד עם תיקיית חלוקות שמציעה 14 תצורות מוגדרות מראש לאימון, תיקוף ובדיקה. החלוקות מכסות הערכות רגילות, יעילות נתונים, הכללה לגיאומטריות שלא נראו באימון, ובדיקות מחוץ להתפלגות בזוויות קיצון והזדקרות.
מתאים ל
- מודלי תחליף ל־CFD
אימון רשתות נוירונים לחיזוי מהיר של שדות לחץ ומאמצי גזירה על גבי כנפי מטוס בתצורת נחיתה והמראה.
- חיזוי כוחות אווירודינמיים
למידת מכונה ישירה מקובצי ה־CSV לחיזוי מקדמי עילוי, גרר ומומנט בזוויות התקפה שונות לפי פרמטרים גיאומטריים.
- מחקרי הכללה מחוץ להתפלגות
בדיקת יכולת המודל להעריך תופעות זרימה מנותקת ומצבי הזדקרות קיצוניים בזוויות התקפה שלא נראו באימון.
איפה זה נופל
הנפח העצום של הנתונים הופך אימון מודלים תלת-ממדיים מלאים למבצע תשתיתי כבד שדורש עשרות טרה-בייטים של אחסון מקומי מהיר. בנוסף, בשישה מקרים ספציפיים זוהו פערים בחישובי המקדמים, ומקדמי הכוחות הממוצעים שלהם נגזרו מאינטגרציה על פני השטח במקום ממעקבי הפותר המקוריים, כך שמדדי אי-הוודאות בקבצים אלה אינם תואמים לערכים החדשים. תיקיית האיכות גם מסמנת שורות נפח פגומות מלאות באפסים שיש לסנן ידנית לפני השימוש.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט לפיתוח מוצר מסחרי?
כן. הרישיון הוא CC-BY-4.0, שמתיר שימוש מסחרי מלא ללא הגבלת רישוי על התוצרים שלכם. הדרישה היחידה היא לתת קרדיט למחברים המקוריים לפי הנחיות הציטוט.
כמה שטח אחסון צריך בפועל כדי לעבוד איתו?
הורדת כל המאגר מהשרת דורשת כ־66.9 טרה-בייט של קבצים דחוסים. לאחר פריסת ארכיוני ה־VTU, שטח האחסון הנדרש יגיע למאות טרה-בייטים. אם תורידו רק את קובצי ה־CSV והמטא-דאטה, תזדקקו למגה-בייטים בודדים בלבד.
האם יש צורך בעיבוד מיוחד של נתוני השטח ברשת?
כן, צפיפות הנקודות ברשת אינה אחידה. כדי להעריך שגיאות שדה על פני השטח יש להשתמש במשקולות ה־dual area מקובצי ה־NPY המצורפים, ולחשב שגיאות משוקללות שטח בדיוק של float64 בלי לשנות את סדר הנקודות המקורי.
איך הדאטהסט הזה נוצר?
הנתונים הופקו בסימולציות נומריות מסוג explicit wall-modeled LES באמצעות פותר הזרימה Fidelity Charles על רשתות Voronoi אדפטיביות. הסימולציות הורצו על מחשבי-על במסגרת שיתוף פעולה בין Nvidia, Cadence ובואינג.
איך טוענים
אין צורך באישור גישה כדי להוריד, אך המאגר שוקל כ־66.9 טרה-בייט בשרתי Hugging Face ותופס נפח גדול בהרבה אחרי חילוץ קובצי ה־VTU הדחוסים. לא מורידים כאן הכל בבת אחת. מומלץ להשתמש ב־CLI של Hugging Face כדי למשוך קבצים ספציפיים לפי תבניות.
מי שמאמן רק על מקדמי כוחות אינטגרליים יכול להוריד רק את קובצי ה־CSV והחלוקות, ששוקלים מעט מאוד. אם עובדים על שדות שטח, קובצי ה־NPY מכילים משקולות שטח מסוג float32 שחייבים להצליב ישירות מול נקודות ה־VTU לצורך חישוב שגיאת L2 משוקללת, ואין לשנות את סדר הנקודות ברשת לפני כן.
from datasets import load_dataset
ds = load_dataset("nvidia/HiLiftAeroML")הרישיון
המאגר מופץ תחת רישיון Creative Commons Attribution 4.0. הרישיון מתיר שימוש מסחרי, שינוי והפצה של הנתונים לכל מטרה. אין חובה לשתף נגזרות באותו רישיון. המשמעות עבורכם היא שניתן לאמן מודלים על הנתונים ולשלב אותם במוצרים מסחריים סגורים, כל עוד אתם מעניקים קרדיט נאות ליוצרים ולמאמר המקורי.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס