Mohamedelrefaie/DrivAerNet

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

What it solves

DrivAerNet++는 개념적 자동차 설계와 공기력학적 성능 분석 사이의 간극을 메우기 위해 대규모, 고정밀 데이터셋을 제공합니다. 모든 설계 반복마다 비용이 많이 들고 시간이 오래 걸리는 전산 유체 역학(CFD) 시뮬레이션을 수행할 필요 없이, 신경망 대리 모델(neural surrogates)을 훈련시키기 위한 포괄적인 벤치마크를 제공함으로써 이 문제를 해결합니다.

How it works

DrivAerNet++ 프로젝트는 고정밀 CFD 시뮬레이션으로 모델링된 8,150개의 다양한 자동차 설계(fastback, notchback, estateback 구성 포함)로 구성됩니다. 각 설계는 26개의 기하학적 파라미터로 설명됩니다. 데이터셋은 멀티모달이며, 다음과 같은 여러 형식의 데이터를 제공합니다:

  • 3D Representations: 포인트 클라우드, 메쉬, 그리고 볼륨 필드(압력, 속도, 난류).
  • Performance Metrics: 항력 계수(Cd) 및 양력 계수(Cl)와 같은 공기력학적 계수.
  • 2D Visuals: 실사 렌더링 및 손으로 그린 스케치.
  • Annotations: 29가지의 서로 다른 자동차 부품에 대한 시맨틱 레이블.

Who it’s for

  • AI Researchers: 차량 설계용 생성형 AI 또는 공기력학 예측용 대리 모델을 개발하는 연구자.

  • Engineering Practitioners: 전통적인 CFD에만 의존하지 않고 성능 향상을 위해 자동차 형태를 최적화하려는 설계자.

  • SciML Framework Users: NVIDIA Modulus 또는 Baidu PaddleScience 사용자.

Highlights

  • Massive Scale: 총 데이터셋 크기가 39 TB인 8,150개의 설계를 포함합니다.

  • Multimodal Approach: 파라미터 모델, 3D 메쉬, CFD 필드 및 2D 스케치 조합.

  • Comprehensive Benchmarking: 신경망 대리 모델의 성능을 비교하기 위한 전용 리더보드(CarBench)를 제공합니다.

  • Broad Coverage: 내연기관(ICE) 및 전기차(EV)를 모두 포함합니다.