WAKESET: A Large-Scale, High-Reynolds Number Flow Dataset for Machine Learning of Turbulent Wake Dynamics

Dit artikel introduceert WAKESET, een groot scala aan hoogwaardige CFD-simulaties van turbulente wake-dynamica bij hoge Reynolds-getallen, dat is ontworpen om de schaarste aan trainingsdata voor machine learning in de stromingsdynamica aan te pakken en modellen te ondersteunen voor voorspelling en besturing in complexe onderwateromgevingen.

De kern

WAKESET: De "Netflix" voor stromende vloeistoffen

Stel je voor dat je een filmregisseur bent die een enorme zeescène moet maken. Je hebt een onderzeeër die een andere, kleinere onderzeeër moet binnenhalen in de diepzee. Dit is geen simpele taak; het water is niet rustig. Het is een wirwar van draaikolken, stromingen en turbulentie, vooral als de grote onderzeeër draait of versnelt.

Vroeger, om te weten hoe dit water zich precies zou gedragen, moesten ingenieurs supercomputers gebruiken om dit te simuleren. Dit was als het bouwen van een heel nieuw huis, steen voor steen, voor elke kleine verandering in het scenario. Het kostte weken, maanden en een fortuin aan rekenkracht. Het was alsof je elke keer dat je een nieuwe auto wilde ontwerpen, eerst een volledige motor moest bouwen om te zien of hij zou werken.

Het probleem: Te weinig foto's
In de wereld van kunstmatige intelligentie (AI) en machine learning, hebben computers "voorbeelden" nodig om te leren. Denk aan hoe een computer leert wat een kat is: door miljoenen foto's van katten te zien. In de luchtvaart en scheepsbouw ontbrak echter een dergelijke bibliotheek. De bestaande datasets waren vaak te klein, te simpel (alsof je alleen foto's van katten in 2D had) of te rustig (geen stormachtig weer). Zonder genoeg goede voorbeelden kon de AI niet leren hoe het echte, chaotische water zich gedraagt.

De oplossing: WAKESET
De auteurs van dit paper hebben WAKESET bedacht. Dit is een gigantische, digitale bibliotheek met 4.364 hoogwaardige simulaties van waterstromingen rondom onderzeeërs.

Hier is hoe het werkt, in simpele termen:

1. De Basis (De "Recept"): Eerst keken ze naar één specifieke situatie: een grote onderzeeër (XLUUV) die een kleine (AUV) binnenhaalt. Ze keken precies hoe het water stroomde, waar de draaikolken zaten en hoe de kracht veranderde.
2. Het Breiden (De "Variatie"): Vervolgens maakten ze dit niet alleen voor één snelheid of één hoek. Ze lieten de grote onderzeeër variëren in snelheid (van heel traag tot razendsnel) en hoek (van rechtuit tot scherp draaien).
3. De Magie (De "Data Augmentatie"): Omdat het zo duur is om elke nieuwe situatie te simuleren, gebruikten ze slimme trucjes. Ze draaiden en spiegelden de bestaande simulaties. Het is alsof je één foto van een auto hebt, en je maakt er tien verschillende versies van door de foto te draaien, te spiegelen of te verkleinen. Hierdoor groeide hun dataset van 1.091 naar 4.364 unieke voorbeelden, zonder dat ze elke keer de hele computer hoefden te laten rekenen.

Waarom is dit belangrijk?
Stel je voor dat je een AI wilt trainen die als een "profeet" werkt. Als je deze AI de WAKESET-dataset geeft, kan ze leren:

• Hoe het water zich gedraagt als de onderzeeër scherp draait.
• Waar de gevaarlijke draaikolken zitten die de kleine onderzeeër kunnen beschadigen.
• Hoe je de stroming kunt voorspellen in real-time, in plaats van dagen te wachten op een computerberekening.

De "Proef" (Benchmark)
Om te bewijzen dat hun dataset werkt, gaven ze het aan verschillende AI-modellen (zoals slimme kunstenaars) en vroegen ze: "Kun jij een nieuwe stroming tekenen die we nog niet hebben gezien?"
De resultaten waren indrukwekkend. De AI's konden nauwkeurige voorspellingen doen, zelfs bij zeer complexe, turbulente situaties. Het bewees dat WAKESET een perfecte "school" is voor AI om de fysica van water te leren begrijpen.

Kortom:
WAKESET is als het ImageNet (de beroemde database van miljoenen foto's) voor de wereld van stromende vloeistoffen. Het vult een enorm gat. Het stelt ingenieurs en onderzoekers in staat om snellere, veiligere en slimmere onderzeeërs te ontwerpen, omdat ze nu een AI hebben die het water echt begrijpt, in plaats van alleen maar te raden. Het is een stap van "gokken" naar "weten" in de wereld van onderwaterdynamica.

Technische samenvatting

Titel: WAKESET: Een groot dataset voor hoge Reynolds-getallen stroming voor Machine Learning van turbulente wake-dynamica

1. Probleemstelling

Computational Fluid Dynamics (CFD) staat voor een fundamentele uitdaging: hoogwaardige simulaties van praktische engineeringstromingen (zoals turbulente stromingen bij hoge Reynolds-getallen) zijn extreem rekenintensief. Dit beperkt het ontwerponderzoek, real-time controle en onzekerheidskwantificering. Hoewel Machine Learning (ML) potentie biedt om deze processen te versnellen (bijvoorbeeld via surrogate-modellen), wordt de toepassing van ML in de vloeistofmechanica ernstig gehinderd door het gebrek aan grote, diverse en hoogwaardige trainingsdatasets.

Bestaande datasets hebben vaak de volgende beperkingen:

• Ze zijn beperkt tot lage Reynolds-getallen of vereenvoudigde 2D-stromingen.
• Ze bevatten te weinig instanties (vaak slechts enkele honderden) om complexe deep learning-architecturen te trainen zonder overfitting.
• Ze missen de complexiteit van echte 3D-turbulente stromingen die voorkomen in praktische engineeringtoepassingen.

2. Methodologie

De auteurs hebben WAKESET ontwikkeld, een nieuw, grootschalig CFD-dataset dat specifiek is ontworpen om deze lacune op te vullen. De ontwikkeling volgde een rigoureuze tweefasen-aanpak:

• Fase 1: Fundamentele Hydrodynamische Analyse

  • Scenario: De onderwater-hersteloperatie van een Autonomous Underwater Vehicle (AUV) door een groter Extra-Large Uncrewed Underwater Vehicle (XLUUV). Dit scenario genereert complexe interacties zoals grenslaaginteracties, propeller-wakes en recirculatiezones in de laadruimte.
  • Validatie: Een gedetailleerde CFD-analyse werd uitgevoerd met ANSYS Fluent (Realizable $k-\epsilon$ turbulentiemodel) om kritieke stromingsverschijnselen te identificeren en de numerieke methode te valideren tegen bestaande literatuur.

• Fase 2: Generalisatie en Dataset-creatie

  • Geometrie: Een gegeneraliseerd XLUUV-model werd ontworpen (22m lengte, met een laadruimte) om overfitting op specifieke ontwerpen te voorkomen en de dataset toepasbaar te maken voor diverse XLUUV-configuraties.
  • Parametrisatie: De simulatieomgeving werd uitgebreid om een breed operationeel venster te dekken:
    • Snelheid: 0,10 m/s tot 5,00 m/s (Reynolds-getallen tot $1,09 \times 10^8$).
    • Bocht hoek: 0° tot 60° (in stappen van 5°).
  • Simulaties: Er werden 1.091 unieke, hoogwaardige RANS-simulaties uitgevoerd op de GADI supercomputer.
  • Data Augmentatie: Om de datasetgrootte te vergroten, werden rotatie- en spiegelingstechnieken toegepast op de bestaande data. Dit resulteerde in een totaal van 4.364 instanties.
  • Datastructuur: De dataset bevat 3D-volumedata (geïnterpoleerd op een $128^3$ rooster) en 2D-vlakken (verticaal en horizontaal) met variabelen zoals snelheid, druk, wervelsterkte en turbulentie-intensiteit.

3. Belangrijkste Bijdragen

• Grootte en Schaal: WAKESET bevat 4.364 instances, wat aanzienlijk meer is dan de meeste bestaande openbare CFD-datasets (die vaak <1000 instances hebben).
• Hoge Reynolds-getallen: De dataset dekt Reynolds-getallen tot $1,09 \times 10^8$, wat veel hoger is dan de meeste beschikbare datasets en beter overeenkomt met echte schaaltoepassingen.
• 3D en Turbulentie: Het dataset is volledig 3D en richt zich op complexe, turbulente wake-dynamica, in tegenstelling tot veel datasets die beperkt zijn tot 2D of laminair/stationair.
• Praktische Relevantie: Het dataset is gebaseerd op een reëel engineeringprobleem (AUV-herstel), wat zorgt voor een rijke variatie aan stromingsverschijnselen (asymmetrie, wervels, grenslagen).
• Beschikbaarheid: Het dataset is publiek beschikbaar gesteld (480 GB) inclusief Python-scripts en PyTorch DataLoaders voor directe integratie in ML-workflows.

4. Resultaten en Benchmarking

Om de bruikbaarheid van WAKESET te valideren, werd een benchmark uitgevoerd met verschillende Generative Adversarial Network (GAN) architecturen voor twee taken:

1. 2D Voorspelling: Het genereren van een $512 \times 512$ snelheidsprofiel op basis van snelheid en bocht hoek.
2. 3D Voorspelling: Het genereren van een $128 \times 128 \times 128$ volumetrisch stroomveld.

Kernbevindingen:

• 2D-taak: Simpele convolutie-modellen (zoals cDCGAN en PatchGAN) presteerden uitstekend met zeer lage relatieve fouten in kinetische energie ($\epsilon_{Ek} \approx 1,5\%$) en hoge structuurgelijkheid (SSIM > 0,99).
• 3D-taak: Dit was aanzienlijk complexer. De SAGAN-architectuur (Self-Attention GAN) bleek het meest effectief voor 3D-volumen, met de laagste FID-score en een relatieve fout in kinetische energie van 8,1%. Dit toont aan dat zelf-attentie-mechanismen cruciaal zijn voor het vastleggen van complexe 3D-wervelstructuren.
• Efficiëntie: Het 2D3DGAN-model bleek zeer efficiënt qua inferentietijd en modelgrootte, terwijl het toch hoge kwaliteitsscores behaalde.

5. Betekenis en Conclusie

WAKESET vult een kritieke kloof in de ML-gemeenschap voor vloeistofmechanica. Door een dataset te bieden die groot, divers, 3D en van hoge Reynolds-getallen is, stelt het onderzoekers in staat om:

• Robuuste ML-modellen te trainen die generaliseren naar ongeziene stromingscondities.
• Surrogaatmodellen te ontwikkelen die CFD-simulaties versnellen met ordes van grootte.
• Betere turbulentie-sluitingsmodellen te ontwikkelen.

Het dataset legt de basis voor de volgende generatie data-gedreven modellen die de complexiteit van echte engineeringstromingen kunnen begrijpen en voorspellen, waardoor de weg vrijkomt voor efficiënter ontwerp en real-time controle van onderwatervoertuigen en andere complexe vloeistofsystemen.