FluidFlow：非構造メッシュ上の流体力学サロゲートのためのフローマッチング生成モデル
arXiv cs.AI / 2026/4/13
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、FluidFlowという条件付きフローマッチング生成モデルを提案し、高忠実度シミュレーションよりも効率的に多問い合わせの流体力学ニーズに応えるスケーラブルなCFDサロゲートモデルの構築を目指している。
- メッシュ補間を必要とするアプローチとは異なり、FluidFlowは、幾何学的忠実度を維持しながら、構造化メッシュおよび非構造メッシュの両方上のCFDデータに対して直接動作するよう設計されている。
- FluidFlowは物理的に意味のある条件付けパラメータを用いて学習され、U-Netと拡散トランスフォーマ（DiT）の2つのニューラルネットワークバックボーンで実装されている。
- 2つのベンチマーク課題（翼型まわりの境界圧力係数の予測、ならびに大規模な非構造メッシュ上での3次元航空機の圧力／摩擦の予測）において、強力なMLPベースラインよりも誤差が低く、作動条件をまたいだ一般化性能も良好であることが示される。
- トランスフォーマベースの変種は、大規模な非構造データセットに対してスケーラブルに学習を可能にしつつ、高い予測精度を維持する点が強調されており、工学および科学アプリケーション向けの有望なサロゲート枠組みとして、フローマッチング生成モデリングが位置づけられる。
