Buchumschlag

A Workflow for Utilizing OpenFOAM Data Structure in Physics-Informed Deep Learning Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mao, Yijin, Zhang, Yuwen
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoronaryHemodynamics: An Automated Simulation Framework for Coronary Artery Hemodynamics Using OpenFOAM
von: Mao, Yijin, et al.
Veröffentlicht: (2025)

DRLinFluids -- An open-source python platform of coupling Deep Reinforcement Learning and OpenFOAM
von: Wang, Qiulei, et al.
Veröffentlicht: (2022)

Implementation and verification of the resolved Reynolds stress transport equations in OpenFOAM
von: Rincón, Mario J., et al.
Veröffentlicht: (2025)

Assessment of modern shock capturing schemes for all-speed flows in the OpenFOAM framework
von: Ray, Anurag Adityanarayan, et al.
Veröffentlicht: (2025)

upstreamFoam: an OpenFOAM-based solver for heterogeneous porous media at different scales
von: Lange, Roberto, et al.
Veröffentlicht: (2023)

On the development of OpenFOAM solvers for simulating MHD micropolar fluid flows with or without the effect of micromagnetorotation
von: Aslani, Kyriaki-Evangelia, et al.
Veröffentlicht: (2025)

Combining Machine Learning with Computational Fluid Dynamics using OpenFOAM and SmartSim
von: Maric, Tomislav, et al.
Veröffentlicht: (2024)

Reducing Spatial Discretization Error on Coarse CFD Simulations Using an OpenFOAM-Embedded Deep Learning Framework
von: Gonzalez-Sieiro, Jesus, et al.
Veröffentlicht: (2024)

cfdmfFTFoam: A front-tracking solver for multiphase flows on general unstructured grids in OpenFOAM
von: Amani, Ehsan
Veröffentlicht: (2026)

Application of a Pressured-Based OpenFOAM Solver for Rotating Detonation Engines
von: Kwak, Keunjae, et al.
Veröffentlicht: (2025)

uniGasFoam: a particle-based OpenFOAM solver for multiscale rarefied gas flows
von: Vasileiadis, Nikos, et al.
Veröffentlicht: (2024)

Wall-modeled large-eddy simulation of turbulent smooth body separation using the OpenFOAM flow solver
von: Hansen, Christoffer, et al.
Veröffentlicht: (2024)

OpenFOAMGPT: a RAG-Augmented LLM Agent for OpenFOAM-Based Computational Fluid Dynamics
von: Pandey, Sandeep, et al.
Veröffentlicht: (2025)

Characterisation and extension of a rigid body dynamics solver coupled with OpenFOAM for flight performance analysis of flapping-wing drones
von: Poletti, Romain, et al.
Veröffentlicht: (2025)

Development of low-dissipative projection method framework integrating various high-order time integration schemes using OpenFOAM
von: Guo, Hao, et al.
Veröffentlicht: (2023)

Scalable CFD Simulations in Multi-Billion Voxel Micro-CT Images of Porous Materials Using OpenFOAM on ARCHER2
von: Maes, J., et al.
Veröffentlicht: (2025)

twoPhaseInterTrackFoam: an OpenFOAM module for Arbitrary Lagrangian/Eulerian Interface Tracking with Surfactants and Subgrid-Scale Modeling
von: Schwarzmeier, Moritz, et al.
Veröffentlicht: (2024)

XRePIT: A deep learning-computational fluid dynamics hybrid framework implemented in OpenFOAM for fast, robust, and scalable unsteady simulations
von: Baral, Shilaj, et al.
Veröffentlicht: (2025)

An OpenFOAM face-centred solver for incompressible flows robust to mesh distortion
von: Cortellessa, Davide, et al.
Veröffentlicht: (2024)

MetaOpenFOAM: an LLM-based multi-agent framework for CFD
von: Chen, Yuxuan, et al.
Veröffentlicht: (2024)

Physics-Informed Deep Operator Learning for Computational Hydraulics Modeling
von: Liu, Xiaofeng, et al.
Veröffentlicht: (2026)

A Preliminary Assessment of Coding Agents for CFD Workflows
von: Xiao, Ke, et al.
Veröffentlicht: (2026)

OptMetaOpenFOAM: Large Language Model Driven Chain of Thought for Sensitivity Analysis and Parameter Optimization based on CFD
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

On the Preprocessing of Physics-informed Neural Networks: How to Better Utilize Data in Fluid Mechanics
von: Xu, Shengfeng, et al.
Veröffentlicht: (2024)

A Physics-Informed Spatiotemporal Deep Learning Framework for Turbulent Systems
von: Menicali, Luca, et al.
Veröffentlicht: (2025)

Deep Learning Surrogates for Gas Dynamics: A Physics-Informed Pedagogical Approach
von: Roohi, Ehsan
Veröffentlicht: (2025)

A Physics-Informed, Deep Double Reservoir Network for Forecasting Boundary Layer Velocity
von: Bonas, Matthew, et al.
Veröffentlicht: (2023)

Efficient Estimation of the Convective Cooling Rate of Photovoltaic Arrays with Various Geometric Configurations: a Physics-Informed Machine Learning Approach
von: Wang, Dapeng, et al.
Veröffentlicht: (2024)

Data-driven transient growth analysis
von: Wang, Yin, et al.
Veröffentlicht: (2025)

An Efficient Wavelet-based Physics Informed Residual Neural Networks for Flow Field Reconstruction with Extremely Sparse Data
von: Barman, Biswanath, et al.
Veröffentlicht: (2026)

HOSVD-SR: A Physics-Based Deep Learning Framework for Super-Resolution in Fluid Dynamics
von: Barragán, Guillermo, et al.
Veröffentlicht: (2025)

Towards Physics Constrained Deep Learning Based Turbulence Model Uncertainty Quantification
von: Chu, Minghan, et al.
Veröffentlicht: (2025)

ELPINN: Eulerian Lagrangian Physics-Informed Neural Network
von: Thakur, Sukirt, et al.
Veröffentlicht: (2025)

Meta-PINNs: Meta-Learning Enhanced Physics-Informed Machine Learning Framework for Turbomachinery Flow Predictions under Varying Operation Conditions
von: Han, Yuling, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks for Transonic Flows around an Airfoil
von: Wassing, Simon, et al.
Veröffentlicht: (2024)

Physics-Informed Acoustic Liner Optimization: Balancing Drag and Noise
von: Shahzad, Haris, et al.
Veröffentlicht: (2024)

Physics-Informed Transformer operator for the prediction of three-dimensional turbulence
von: Guo, Zhihong, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks for Multi-Phase Flow in Porous Media Considering Dual Shocks and Interphase Solubility
von: Zhang, Jingjing, et al.
Veröffentlicht: (2024)

Identification of Settling Velocity with Physics Informed Neural Networks For Sediment Laden Flows
von: Delcey, Mickaël, et al.
Veröffentlicht: (2024)

Investigation of Numerical Diffusion in Aerodynamic Flow Simulations with Physics Informed Neural Networks
von: Warey, Alok, et al.
Veröffentlicht: (2021)