技术摘要：ChannelFlow-Tools

问题陈述

数据驱动的代理模型正越来越多地被用于计算流体力学（CFD），以加速流动预测。然而，这些模型的可靠性高度依赖于其训练数据的质量、覆盖范围和物理一致性。目前存在一个关键差距，即进行受控单因素研究（例如，在保持参数固定的情况下改变几何形状）的能力，因为许多现有的开源数据集是以固定语料库的形式分发的。在这些固定数据集中，底层的生成工作流通常是不可用、未经验证或不可配置的，这使得根据特定的研究需求进行重新生成、适配或扩展变得十分困难。此外，现有资源往往缺乏对几何表示（特别是符号距离场，SDF）以及几何输入与流动输出之间对齐关系的独立验证。

方法论

作者介绍了 ChannelFlow-Tools，这是一个开源的、配置驱动的流水线，旨在为三维障碍物通道流生成面向机器学习的数据集。该流水线集成了四个不同的阶段，所有阶段均由单一的 Hydra/OmegaConf 配置树和随机种子驱动，以确保可重现性：

1. 程序化障碍物几何生成：

   • 利用 CadQuery 库（基于 OpenCASCADE）生成三维障碍物几何体。
   • 支持六种基本形状族：球体、长方体、圆柱体、圆锥体、圆环和楔形。
   • 参数包括几何尺寸、方向和放置坐标。
   • 采用两种采样模式：随机均匀采样和分层 Sobol 采样，以确保设计空间的广泛覆盖。
   • 在将障碍物导出为 STL 网格之前，执行可行性检查（壁面间隙、入口/出口距离、最小体积和物体间间隙）。

2. 符号距离场（SDF）生成：

   • 将生成的 STL 网格转换为笛卡尔网格上的体素化 SDF。
   • SDF ($\phi$) 将障碍物几何编码为一个标量场，其中 $\phi < 0$ 代表固体内部，$\phi > 0$ 代表流体，$\phi = 0$ 代表边界。
   • 输出按用户定义的分辨率生成，专门针对释放的语料库设计了 $128 \times 64 \times 64$ 和 $256 \times 128 \times 128$ 网格。

3. 格子玻尔兹曼（LBM）模拟：

   • 使用开源的 WALBERLA 框架，采用 D3Q27 速度模板和累积碰撞算子。
   • 在 $1024 \times 512 \times 512$ 格点单位的区域内模拟流经生成的 STL 障碍物的流动。
   • 运行 20 个流通过时间，前 15 个用于预热，后 5 个用于累积时间平均速度场。
   • 支持雷诺数 ($Re_c$) 范围约为 100 至 15,000。

4. 机器学习就绪的张量封装：

   • 将原生的 LBM 输出和 SDF 重采样到统一的笛卡尔网格上。
   • 将协同注册的几何场、SDF 和时间平均速度分量 ($v_x, v_y, v_z$) 打包进单个 HDF5 文件中。
   • 确保每一个人工制品都可追溯至原始配置和随机种子。

核心贡献

本文概述了四项主要贡献：

1. 流水线： 一个完整的、配置驱动的工作流，能够从程序化几何生成经过 SDF 构建和 LBM 模拟，最终产生协同注册的、面向机器学习的张量。
2. 阶段性验证与审计： 对几何、SDF 和求解器阶段进行了独立验证，包括对最终封装张量的逐场景数据完整性审计。
3. 可重现的发布： 发布了一个经过审计的障碍物通道流语料库，并附带了配置、种子和元数据。几何生成阶段通过 SHA-256 哈希验证了字节级的一致重现性。
4. 可用性演示： 通过在包含 450 个模拟样本的数据集上训练三个代理基准模型（3D U-Net, FNO, U-FNO），评估了其直接的下游可用性并表征了泛化挑战。

结果与验证

该流水线和数据集在多个层面进行了严格验证：

• 几何完整性： 对 10,060 个场景进行的网格完整性审计确认了正体积和区域包含性。虽然在参数奇异点（如球极）处出现了轻微的细分伪影，但并未阻碍后续处理。
• 可重现性： 通过 SHA-256 哈希验证，证实了在 Sobol 和伪随机采样模式下，STL 网格和元数据均具有字节级一致的再生能力。
• SDF 准确性：
  • 解析验证： 与解析 SDF（球体、圆柱体、长方体）的收敛研究表明，其 $L_2$ 误差收敛速率与网格细化一致，仅受限于底层的 STL 细分。
  • 语料库审计： 350 个场景的子集显示，对于单物体族，其表面距离精度达到亚体素水平（$MSD/\Delta x \leq 1.0$），且对于多物体场景也具有可接受的准确度。
• 求解器验证：
  • 标准基准测试： 求解器在 $Re_s=1000$ 时重现了球体绕流的尾迹统计特性、涡街频率和阻力系数，与实验数据（Choi 和 Park）及文献（Roos 和 Willmarth）保持一致。
  • 逐场景审计： 所有 450 个发布的模拟均通过了完备性、质量守恒（中值不平衡度 0.28%）、统计收敛性和几何-流场注册性的检查。
• 代理模型性能：
  • 学习曲线： 所有三个模型（U-Net, FNO, U-FNO）的误差均随训练集规模的增加而降低，表明存在可学习的信号。
  • 泛化能力： 模型在测试分布外（OOD）形状族和雷诺数时，表现出具有物理可解释性的性能退化，而非不受控制的失效。U-FNO 的表现通常优于其他架构。

重要性与主张

作者将 ChannelFlow-Tools 定位为共享的、可审计的基础设施，用于对几何感知型 CFD 代理模型进行受控基准测试，而非声称其达到了最先进的代理性能。

论文强调，其核心价值在于能够：

• 生成受控的数据集，使特定的因素（几何、雷诺数、分辨率）可以被隔离地改变。
• 独立验证几何表示（SDF）的保真度和流体数据的物理一致性。
• 利用配置文件和种子来重现和扩展数据集，解决了许多现有 CFD 数据集的“黑箱”性质问题。

作者谦虚地指出，该流水线提供的是一个研究工具，用于调查泛化挑战并研究代理模型在分布偏移下的可靠性，而非解决泛化问题本身。发布的数据为未来研究几何感知建模提供了基础，且流水线本身被设计为可扩展，以适应更复杂的几何形状和更高的雷诺数。