Buchumschlag

NeuralFoil: An Airfoil Aerodynamics Analysis Tool Using Physics-Informed Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sharpe, Peter, Hansman, R. John
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FoilDiff: A Hybrid Transformer Backbone for Diffusion-based Modelling of 2D Airfoil Flow Fields
von: Ogbuagu, Kenechukwu, et al.
Veröffentlicht: (2025)

GLOBE: Accurate and Generalizable PDE Surrogates using Domain-Inspired Architectures and Equivariances
von: Sharpe, Peter
Veröffentlicht: (2025)

Active Control of Turbulent Airfoil Flows Using Adjoint-based Deep Learning
von: Liu, Xuemin, et al.
Veröffentlicht: (2025)

Accelerating Transient CFD through Machine Learning-Based Flow Initialization
von: Sharpe, Peter, et al.
Veröffentlicht: (2025)

HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2026)

Hard Constraint Projection in a Physics Informed Neural Network
von: Horne, Miranda J. S., et al.
Veröffentlicht: (2026)

Airfoil optimization using Design-by-Morphing with minimized design-space dimensionality
von: Lee, Sangjoon, et al.
Veröffentlicht: (2025)

A Kernel-based Resource-efficient Neural Surrogate for Multi-fidelity Prediction of Aerodynamic Field
von: Sarker, Apurba, et al.
Veröffentlicht: (2025)

Shocks Under Control: Taming Transonic Compressible Flow over an RAE2822 Airfoil with Deep Reinforcement Learning
von: Mondal, Trishit, et al.
Veröffentlicht: (2025)

Model-Based Reinforcement Learning for Control of Strongly-Disturbed Unsteady Aerodynamic Flows
von: Liu, Zhecheng, et al.
Veröffentlicht: (2024)

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

Low-Order Flow Reconstruction and Uncertainty Quantification in Disturbed Aerodynamics Using Sparse Pressure Measurements
von: Mousavi, Hanieh, et al.
Veröffentlicht: (2025)

C(NN)FD -- Deep Learning Modelling of Multi-Stage Axial Compressors Aerodynamics
von: Bruni, Giuseppe, et al.
Veröffentlicht: (2025)

LGFNet: Local-Global Fusion Network with Fidelity Gap Delta Learning for Multi-Source Aerodynamics
von: Zhu, Qinye, et al.
Veröffentlicht: (2026)

Accelerated Airfoil Design Using Neural Network Approaches
von: Patel, Anantram, et al.
Veröffentlicht: (2025)

TripNet: Learning Large-scale High-fidelity 3D Car Aerodynamics with Triplane Networks
von: Chen, Qian, et al.
Veröffentlicht: (2025)

Loop2Net: Data-Driven Generation and Optimization of Airfoil CFD Meshes from Sparse Boundary Coordinates
von: Fan, Lushun, et al.
Veröffentlicht: (2025)

Towards a Foundation-Model Paradigm for Aerodynamic Prediction in Three-dimensional Design
von: Yang, Yunjia, et al.
Veröffentlicht: (2026)

Investigation of Compressor Cascade Flow Using Physics- Informed Neural Networks with Adaptive Learning Strategy
von: Li, Zhihui, et al.
Veröffentlicht: (2023)

Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
von: Chen, Biao, et al.
Veröffentlicht: (2026)

Aerodynamic Control of Laminar Separation on a Wall-Bounded Airfoil at Transitional Reynolds Numbers
von: Klewicki, Charles, et al.
Veröffentlicht: (2025)

Impact of Loss Weight and Model Complexity on Physics-Informed Neural Networks for Computational Fluid Dynamics
von: Chou, Yi En, et al.
Veröffentlicht: (2025)

Solving Euler equations with Multiple Discontinuities via Separation-Transfer Physics-Informed Neural Networks
von: Wang, Chuanxing, et al.
Veröffentlicht: (2025)

Physics-Informed Graph Neural Network Surrogates for Turbulent Nanoparticle Dispersion in Dental Clinical Environments
von: Shende, Takshak, et al.
Veröffentlicht: (2026)

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

Spectrally Informed Learning of Fluid Flows
von: Shaffer, Benjamin D., et al.
Veröffentlicht: (2024)

Challenges and Advancements in Modeling Shock Fronts with Physics-Informed Neural Networks: A Review and Benchmarking Study
von: Abbasi, Jassem, et al.
Veröffentlicht: (2025)

Machine Learning Visualization Tool for Exploring Parameterized Hydrodynamics
von: Jekel, C. F., et al.
Veröffentlicht: (2024)

Multi-scale Dynamic Wake Modeling and Prediction of Floating Offshore Wind Turbines via Physics-Informed Neural Networks and Fourier Neural Operators
von: Dong, Guodan, et al.
Veröffentlicht: (2026)

Non-intrusive Learning of Physics-Informed Spatio-temporal Surrogate for Accelerating Design
von: Mondal, Sudeepta, et al.
Veröffentlicht: (2026)

Physics-Guided Machine Learning for Uncertainty Quantification in Turbulence Models
von: Chu, Minghan, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Network Approaches for Sparse Data Flow Reconstruction of Unsteady Flow Around Complex Geometries
von: Malineni, Vamsi Sai Krishna, et al.
Veröffentlicht: (2025)

Flow Field Reconstruction via Voronoi-Enhanced Physics-Informed Neural Networks with End-to-End Sensor Placement Optimization
von: Xiao, Renjie, et al.
Veröffentlicht: (2026)

The Well: a Large-Scale Collection of Diverse Physics Simulations for Machine Learning
von: Ohana, Ruben, et al.
Veröffentlicht: (2024)

Bayesian Reasoning for Physics Informed Neural Networks
von: Graczyk, Krzysztof M., et al.
Veröffentlicht: (2023)

NeurIPS 2024 ML4CFD Competition: Harnessing Machine Learning for Computational Fluid Dynamics in Airfoil Design
von: Yagoubi, Mouadh, et al.
Veröffentlicht: (2024)

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

Solving the Discretised Multiphase Flow Equations with Interface Capturing on Structured Grids Using Machine Learning Libraries
von: Chen, Boyang, et al.
Veröffentlicht: (2024)

Physics-Based Machine Learning Closures and Wall Models for Hypersonic Transition-Continuum Boundary Layer Predictions
von: Nair, Ashish S., et al.
Veröffentlicht: (2025)

SIMR-NO: A Spectrally-Informed Multi-Resolution Neural Operator for Turbulent Flow Super-Resolution
von: Abid, Muhammad, et al.
Veröffentlicht: (2026)