Improved Conditional Generative Network for Rapid Flow Field Prediction
Cet article propose un réseau antagoniste génératif conditionnel (cGAN) amélioré qui exploite des données de CFD de haute fidélité pour prédire rapidement et précisément des champs d'écoulement complexes autour de géométries inédites, atteignant une amélioration de la précision de 79,14 % par rapport aux modèles de référence tout en réduisant considérablement les coûts de calcul.