Mohamedelrefaie/DrivAerNet

A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks

What it solves

DrivAerNet++ は、概念的な自動車設計と空気力学的な性能分析の間のギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャップをギャ,150件の高精度CFD自動車設計データセットとベンチマーク。空気力学的な最適化と性能予測のためのAIモデルのトレーニングに使用されます。

How it works

DrivAerNet++ は、8,150件の多様な自動車設計（fastback、notchback、estateback構成を含む）が、高精度CFDシミュレーションでモデリングされています。各設計は26個の幾何学パラメータで記述されます。データセットはマルチモーダルであり、以下の形式でデータを提供します：

  • 3D Representations: 点群、メッシュ、およびボリュームフィールド（圧力、速度、乱流）。

  • Performance Metrics: 抗力係数 (Cd) や揚力係数 (Cl) などの空気力学的な性能指標。

  • 2D Visuals: フォトリアリスティックなレンダリングと手書きのスケッチ。

  • Annotations: 29種類の異なる自動車部品のセマンティックラベル。

Who it’s for

  • AI Researchers: 生成AIで車両設計を行う、または空気力学予測のためのサロゲートモデルを開発している研究者。

  • Engineering Practitioners: 従来の CFD シミュレーションにのみ頼らず、性能を向上させるために自動車の形状を最適化したい設計者。

  • SciML Framework Users: NVIDIA Modulus や Baidu PaddleScience のユーザー。

Highlights

  • Massive Scale: 合計 39 TB のデータセットサイズを含む 8,150 件の設計。

  • Multimodal Approach: パラメトリックモデル、3Dメッシュ、CFDフィールド、および 2D スケッチを組み合わせたアプローチ。

  • Comprehensive Benchmarking: ニューラルサロゲートの性能を比較するための専用リーダーボード (CarBench) を備えています。

  • Broad Coverage: 内燃機関 (ICE) と電気自動車 (EV) の両方を代表しています。