Datasets:
ArXiv:
License:
File size: 3,025 Bytes
f0652e2 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 | ---
license: other
#用户自定义标签
tags:
- CylinderFlow
- computational fluid dynamics
- incompressible flow
language:
- en
- zh
---
<p align="center">
<strong>
<span style="font-size: 30px;">Cylinder Flow</span>
</strong>
</p>
## 数据集描述
Cylinder Flow 数据集来源于 DeepMind 的 MeshGraphNets 基准,用于描述二维非结构化三角网格上的圆柱绕流(vortex shedding)。数据由 COMSOL 仿真生成,每条轨迹包含 600 个时间步,时间步长为 `dt=0.01`,记录流体速度场和压力场。
论文:[Learning Mesh-Based Simulation with Graph Networks](https://arxiv.org/abs/2010.03409)
## 数据集支持的任务
| 场景 | 说明 |
|---|---|
| 流场时序预测 | 根据历史网格状态预测后续速度和压力场。 |
| 涡脱落模拟 | 学习圆柱绕流中的瞬态流动演化。 |
| 图神经网络仿真 | 为 MeshGraphNet 等网格模型提供训练和评测数据。 |
| 网格物理建模 | 在非结构化三角网格上学习节点和边的物理关系。 |
## 数据集的格式和结构
数据采用 TFRecord 格式,按训练、验证和测试划分:
```text
data/cylinder_flow/
train.tfrecord
valid.tfrecord
test.tfrecord
meta.json
stats/
```
每条记录对应一条非结构化网格轨迹,主要字段如下:
| 字段 | shape | dtype | 说明 |
|---|---|---|---|
| `cells` | `[1, -1, 3]` | `int32` | 三角形单元的节点索引。 |
| `mesh_pos` | `[1, -1, 2]` | `float32` | 网格节点的二维坐标。 |
| `node_type` | `[1, -1, 1]` | `int32` | 节点类型,如内部、边界、入口和出口。 |
| `velocity` | `[600, -1, 2]` | `float32` | 600 个时间步的二维速度场。 |
| `pressure` | `[600, -1, 1]` | `float32` | 600 个时间步的压力场。 |
`stats/` 中保存边特征、节点速度、速度差分和压力的归一化统计量。
## 数据集使用方式
本数据集适配 `OneScience-Sugon/MeshGraphNet` 模型。下载数据集和模型:
```bash
hf download --dataset OneScience-Sugon/cylinder_flow --local-dir ./cylinder_flow
hf download --model OneScience-Sugon/MeshGraphNet --local-dir ./MeshGraphNet
```
可使用数据集内的校验脚本检查目录结构、元信息和 TFRecord 首条样本:
```bash
cd cylinder_flow
python scripts/validate_cylinder_flow_dataset.py
```
完整 SHA256 校验可附加 `--verify-sha256` 参数。
## 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
- Cylinder Flow 原始论文:[Learning Mesh-Based Simulation with Graph Networks](https://arxiv.org/abs/2010.03409)
- 本仓库保留数据来源说明,并面向 OneScience ModelScope 自动运行场景进行整理;公开分发或二次发布前,请根据上游项目确认许可证要求。
|