🤖 AI

ChannelFlow-Tools: A Configuration-Driven Pipeline for Generating Machine-Learning-Ready Datasets of 3D Obstructed Channel Flows

Este artículo presenta ChannelFlow-Tools, un flujo de trabajo de código abierto impulsado por configuración que genera conjuntos de datos reproducibles y listos para el aprendizaje automático de flujos de canales obstruidos en 3D mediante la integración de generación de geometría procedimental, voxelización de campo de distancia con signo y simulaciones de Lattice-Boltzmann, permitiendo así el entrenamiento de modelos sustitutos de CFD robustos y conscientes de la geometría.

Autores originales: Shubham Kavane, Lukas Schröder, Kajol Kulkarni, Fernando Gonzalez, Harald Koestler

Publicado 2026-08-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Shubham Kavane, Lukas Schröder, Kajol Kulkarni, Fernando Gonzalez, Harald Koestler

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La dinámica de fluidos computacional es la ciencia de utilizar potentes ordenadores para predecir cómo se mueven los líquidos y los gases. Durante décadas, los ingenieros han dependido de estas simulaciones para diseñar desde alas de aviones hasta carrocerías de coches, pero los cálculos suelen ser tan pesados y lentos que no pueden ejecutarse en tiempo real. Para acelerar el proceso, los científicos han comenzado recientemente a entrenar modelos de inteligencia artificial para que actúen como atajos. Estos modelos "subrogados" aprenden de miles de simulaciones pasadas para adivinar el resultado de una nueva situación casi instantáneamente. Sin embargo, para que estos atajos de IA sean fiables, deben ser entrenados con datos que sean perfectamente precisos y generados de una manera consistente. Si los datos de entrenamiento contienen errores ocultos o inconsistencias, la IA aprenderá las lecciones equivocadas y sus predicciones fallarán cuando se apliquen a problemas del mundo real. El desafío ha sido encontrar una forma de generar grandes cantidades de datos de fluidos de alta calidad donde cada una de las variables sea controlada, registrada y verificada.

Un equipo de investigadores de la Friedrich-Alexander-Universität Erlangen-Nürnberg y CERFACS ha construido una solución a este problema llamada ChannelFlow-Tools. Es un sistema totalmente automatizado diseñado para crear una enorme biblioteca de escenarios de flujo de fluidos tridimensionales, centrándose específicamente en cómo el aire o el agua se mueven a través de un canal cuando hay obstáculos. Imagine un túnel largo y rectangular donde el flujo es interrumpido por objetos como esferas, cubos, cilindros, conos, anillos o cuñas. Los investigadores querían saber si podían generar miles de estos escenarios, simular el movimiento del fluido alrededor de ellos y empaquetar los resultados en un formato que la inteligencia artificial pueda leer fácilmente, todo ello asegurando que cada paso del proceso fuera matemáticamente idéntico cada vez que se ejecutara.

El sistema funciona como una línea de montaje altamente precisa. Primero, genera procedimentalmente las formas de los obstáculos. En lugar de diseñar manualmente cada objeto, el software utiliza un conjunto de reglas para crear variaciones aleatorias de las seis formas básicas, asegurando que encajen perfectamente dentro del canal sin tocar las paredes ni entre sí. Luego, convierte estas formas 3D en un mapa digital llamado campo de distancia con signo (signed distance field). Este mapa le indica al ordenador exactamente a qué distancia se encuentra cada punto del espacio de la superficie sólida más cercana, lo cual es crucial para que la IA comprenda la geometría. A continuación, el sistema ejecuta una simulación de fluido utilizando un método llamado enfoque de Boltzmann en red (lattice Boltzmann), que descompone el fluido en diminutas celdas de rejilla para calcular cómo fluye alrededor de los obstáculos. Finalmente, empaqueta la forma, el mapa de distancia y los patrones de flujo resultantes en un único archivo organizado.

Lo que hace que este trabajo sea distinto no es solo que crea datos, sino que verifica cada paso con un rigor extremo. Los investigadores no se limitaron a confiar en que el ordenador hiciera su trabajo; auditaron todo el proceso. Comprobaron que las formas 3D fueran matemáticamente sólidas y estuvieran libres de errores minúsculos que pudieran romper la simulación. Confirmaron que los mapas de distancia digitales representaran con precisión las formas, incluso para disposiciones complejas con múltiples objetos. Validaron el resolvedor de fluidos comparando sus resultados con referencias estándar conocidas para el flujo alrededor de una esfera, asegurando que la física fuera correcta. Lo más importante es que demostraron que el sistema es reproducible. Si se le da al sistema las mismas instrucciones iniciales exactas y un número de semilla aleatoria, producirá las mismas formas 3D y los mismos resultados de simulación hasta el último bit de datos. Este nivel de consistencia es poco común en la computación científica y es esencial para entrenar modelos de IA fiables.

El equipo publicó un conjunto de datos que contiene 450 simulaciones completas, cubriendo una amplia gama de velocidades de flujo y configuraciones de obstáculos. Para demostrar que estos datos eran realmente útiles, entrenaron tres tipos diferentes de modelos de inteligencia artificial utilizando una parte del conjunto de datos. Estos modelos tenían la tarea de aprender a predecir el patrón de flujo alrededor de un obstáculo simplemente observando su forma y la velocidad del flujo. Los resultados mostraron que los modelos pudieron aprender con éxito la relación entre la forma y el flujo. Al ser probados con formas que nunca habían visto, o con velocidades de flujo fuera del rango para el que fueron entrenados, los modelos no colapsaron ni produjeron disparates; en su lugar, mostraron una caída de precisión predecible y comprensible, que es exactamente lo que se esperaría de un sistema físico. Este comportamiento confirmó que los modelos estaban aprendiendo principios físicos reales en lugar de simplemente memorizar patrones.

El estudio demuestra que es posible construir una infraestructura compartida y auditable para la generación de datos de dinámica de fluidos que esté lista para el aprendizaje automático. Al proporcionar un flujo de trabajo que es abierto, configurable y rigurosamente verificado, los investigadores han entregado a la comunidad científica una herramienta para probar qué tan bien se generalizan los modelos de IA a nuevas situaciones. El trabajo no pretende haber resuelto el problema de la predicción de fluidos, ni presenta un único modelo de IA superior. En cambio, proporciona los datos limpios, controlados y verificados necesarios para estudiar cómo aprenden estos modelos y dónde podrían fallar. Esta base permite a otros científicos realizar experimentos controlados, variando un factor a la vez para comprender los límites de la IA en la dinámica de fluidos, acercando el campo a herramientas de predicción en tiempo real fiables para la ingeniería y el diseño.

Resumen Técnico: ChannelFlow-Tools

Planteamiento del Problema

Los modelos sustitutos impulsados por datos se utilizan cada vez más en la dinámica de fluidos computacional (CFD) para acelerar las predicciones de flujo. Sin embargo, la fiabilidad de estos modelos depende en gran medida de la calidad, la cobertura y la consistencia física de sus datos de entrenamiento. Existe una brecha crítica en la capacidad de realizar estudios de factor único controlado (por ejemplo, variar la geometría manteniendo los parámetros fijos) debido a que muchos conjuntos de datos abiertos existentes se distribuyen como corpora fijos. En estos conjuntos de datos fijos, los flujos de trabajo de generación subyacentes suelen estar no disponibles, no verificados o no son configurables, lo que dificulta la regeneración, adaptación o extensión de los datos para satisfacer requisitos de investigación específicos. Además, los recursos existentes suelen carecer de una verificación independiente de la representación geométrica (específicamente, los Campos de Distancia con Signo, o SDF) y de la alineación entre las entradas geométricas y las salidas de flujo.

Metodología

Los autores presentan ChannelFlow-Tools, un pipeline de código abierto impulsado por configuración, diseñado para generar conjuntos de datos listos para el aprendizaje automático de flujos de canal obstruidos tridimensionales. El pipeline integra cuatro etapas distintas, todas dirigidas por un árbol de configuración único de Hydra/OmegaConf y una semilla para garantizar la reproducibilidad:

Generación Procedural de Geometría de Obstáculos:
- Utiliza la biblioteca CadQuery (basada en OpenCASCADE) para generar geometrías de obstáculos 3D.
- Soporta seis familias de formas primitivas: esfera, cubo, cilindro, cono, toro y cuña.
- Los parámetros incluyen dimensiones geométricas, orientación y coordenadas de posicionamiento.
- Emplea dos modos de muestreo: muestreo uniforme aleatorio y muestreo estratificado de Sobol para asegurar una amplia cobertura del espacio de diseño.
- Impone comprobaciones de viabilidad (distancia a la pared, distancia de entrada/salida, volumen mínimo y separación entre objetos) antes de exportar los obstáculos como mallas STL.
Generación de Campo de Distancia con Signo (SDF):
- Convierte las mallas STL generadas en SDF voxelizados sobre una rejilla cartesiana.
- El SDF ( $\phi$ ) codifica la geometría del obstáculo como un campo escalar donde $\phi < 0$ representa el interior sólido, $\phi > 0$ el fluido y $\phi = 0$ la frontera.
- Los resultados se generan en resoluciones definidas por el usuario, específicamente orientadas a rejillas de $128 \times 64 \times 64$ y $256 \times 128 \times 128$ para el corpus liberado.
Simulación de Lattice-Boltzmann (LBM):
- Utiliza el framework de código abierto WALBERLA con un estarcido de velocidad D3Q27 y un operador de colisión de cumulantes.
- Simula el flujo sobre los obstáculos STL generados en un dominio de $1024 \times 512 \times 512$ unidades de red.
- Se ejecuta durante 20 tiempos de paso de flujo, utilizando los primeros 15 para el calentamiento (warm-up) y los últimos 5 para acumular los campos de velocidad promediados en el tiempo.
- Soporta números de Reynolds ( $Re_c$ ) que oscilan aproximadamente entre 100 y 15,000.
Empaquetado de Tensores Listos para ML:
- Remuestrea la salida nativa de LBM y el SDF sobre una rejilla cartesiana común.
- Empaqueta el campo de geometría co-registrado, el SDF y los componentes de velocidad promediados en el tiempo ( $v_x, v_y, v_z$ ) en archivos HDF5 únicos.
- Asegura que cada artefacto sea trazable hasta la configuración original y la semilla aleatoria.

Contribuciones Clave

El artículo describe cuatro contribuciones primarias:

Pipeline: Un flujo de trabajo completo, impulsado por configuración, que produce tensores co-registrados y listos para ML, desde la geometría procedural hasta la construcción del SDF y la simulación LBM.
Verificación y Auditoría por Etapas: Validación independiente de las etapas de geometría, SDF y solver, incluyendo una auditoría de integridad de datos por escena de los tensores empaquetados finales.
Liberación Reproducible: Un corpus auditado de flujos de canal obstruidos liberado con configuraciones, semillas y metadatos. La etapa de generación de geometría está verificada para una reproducibilidad de bytes idénticos mediante el hashing SHA-256.
Demostración de Usabilidad: Evaluación de tres baselines de sustitutos (3D U-Net, FNO y U-FNO) entrenados en un conjunto de datos de muestra de 450 simulaciones para demostrar la usabilidad directa downstream y caracterizar los desafíos de generalización.

Resultados y Validación

El pipeline y el conjunto de datos fueron rigurosamente validados en múltiples niveles:

Integridad de la Geometría: Una auditoría de integridad de malla de 10,060 escenas confirmó volumen positivo y contención del dominio. Aunque ocurrieron artefactos menores de teselación en singularidades paramétricas (ej. polos de la esfera), estos no impidieron el procesamiento posterior.
Reproducibilidad: Se verificó la regeneración de mallas STL y metadatos con bytes idénticos tanto para los modos de muestreo de Sobol como de pseudo-aleatoriedad mediante el uso de hashing SHA-256.
Precisión del SDF:
- Validación Analítica: Los estudios de convergencia frente a SDFs analíticos (esfera, cilindro, cubo) mostraron tasas de convergencia de error $L_2$ consistentes con el refinamiento de la rejilla, limitadas únicamente por la teselación STL subyacente.
- Auditoría del Corpus: Un subconjunto de 350 escenas mostró una precisión de distancia superficial media sub-voxel ( $MSD/\Delta x \leq 1.0$ ) para familias de un solo objeto y una precisión aceptable para escenas de múltiples objetos.
Validación del Solver:
- Benchmarks Canónicos: El solver reprodujo estadísticas de estela, frecuencias de desprendimiento de vórtices y coeficientes de arrastre para una esfera a $Re_s=1000$ consistentes con datos experimentales (Choi y Park) y literatura (Roos y Willmarth).
- Auditoría por Escena: Las 450 simulaciones liberadas pasaron las pruebas de completitud, conservación de masa (desequilibrio de la mediana 0.28%), convergencia estadística y registro de geometría-flujo.
Desempeño de los Sustitutos:
- Curvas de Aprendizaje: Los tres modelos (U-Net, FNO, U-FNO) mostraron una disminución del error a medida que aumentaba el tamaño del conjunto de entrenamiento, indicando una señal aprendible.
- Generalización: Los modelos exhibieron una degradación físicamente interpretable cuando fueron probados en familias de formas y números de Reynolds fuera de la distribución (OOD), en lugar de un fallo incontrolado. U-FNO generalmente superó a las otras arquitecturas.

Significancia y Reivindicaciones

Los autores posicionan ChannelFlow-Tools no como una pretensión de estado del arte en el desempeño de los sustitutos, sino como infraestructura compartida y auditable para el benchmarking controlado de los sustitutos de CFD conscientes de la geometría.

El artículo enfatiza que el valor principal reside en la capacidad de:

Generar conjuntos de datos controlados donde factores específicos (geometría, número de Reynolds, resolución) pueden variarse de forma aislada.
Verificar independientemente la fidelidad de la representación geométrica (SDF) y la consistencia física de los datos de flujo.
Reproducir y extender los conjuntos de datos utilizando archivos de configuración y semillas, abordando la naturaleza de "caja negra" de muchos conjuntos de datos de CFD existentes.

Los autores afirman modestamente que el pipeline proporciona un recurso para investigar los desafíos de la generalización y estudiar la fiabilidad de los modelos sustitutos, en lugar de resolver el problema de la generalización en sí mismo. Los datos liberados sirven como base para futuras investigaciones en el modelado consciente de la geometría, con el pipeline diseñado para ser extensible a geometrías más complejas y números de Reynolds más altos.