Зачем нужен ещё один пайплайн для датасетов
Подготовка данных для обучения моделей, предсказывающих трёхмерное обтекание тел, обычно упирается не в нейросеть, а в рутину: нужно сгенерировать геометрию, построить расчётную сетку, провести симуляцию и привести результаты к единому формату. Всё это сложно воспроизводить автоматически, поэтому готовые датасеты получаются дорогими и плохо масштабируются.
Открытый инструмент ChannelFlow-Tools предлагает другой подход: собирать наборы данных не по одному примеру, а целым конвейером — от процедурной генерации препятствий до упаковки трёхмерных полей течения в тензоры, пригодные для обучения. Судя по описанию проекта на arXiv, основная цель авторов — убрать ручные операции и сделать процесс настолько воспроизводимым, насколько это возможно.
Что происходит внутри конвейера
Типичная задача выглядит так: в канале размещается препятствие, и по входным условиям потока нужно предсказать трёхмерное поле скорости и давления вокруг объекта. Особенность ChannelFlow-Tools в том, что он автоматически перебирает геометрические варианты из шести семейств форм. Вместо ручного подбора объектов используется процедурная генерация, которая может выдавать большое разнообразие препятствий с контролируемыми параметрами.
Дальше геометрия переводится во воксельное представление на основе полей расстояний со знаком. Такое представление удобно для свёрточных моделей и не требует непосредственной работы с нерегулярной расчётной сеткой. После этого запускается решёточно-больцмановское моделирование — способ численного решения гидродинамических уравнений, который хорошо ложится на параллельные вычисления. Наконец, результаты симуляций и исходные маски геометрии складываются в тензоры, готовые для нейросетевых архитектур.
Весь процесс управляется конфигурационными файлами. Это значит, что параметры генерации, условия симуляции и формат выходных данных можно задавать декларативно, а не «зашивать» в код. По заявлению авторов, этап генерации геометрии воспроизводим байт-в-байт: одинаковые конфигурации дают одинаковые объекты независимо от повторного запуска. Для физического симулятора полная битовая воспроизводимость сложнее, но по крайней мере процедурная часть проекта сделана строго.
Проверка данных не «на глаз»
Создать датасет — половина дела. Прежде чем использовать его для обучения, авторы провели несколько уровней валидации. Среди них — сквозная проверка целостности расчётных сеток, аналитические тесты знаковых функций расстояния и сравнение с известным бенчмарком обтекания сферы. Также проверялась байтовая целостность данных после всех преобразований.
Такая аудитория важна не только для качества отдельного сэмпла, но и для уверенности в том, что весь корпус данных консистентен. Если модель обучается на выборке из тысяч симуляций, даже редкие сбои в геометрии или упаковке могут превратиться в систематическую ошибку.
Работают ли данные на практике
Чтобы продемонстрировать пригодность получившихся датасетов, авторы обучили три суррогатные модели: 3D U-Net, FNO и U-FNO. Каждая из них училась предсказывать поле течения по известной геометрии и параметрам потока. Выборка для обучения состояла из 450 симуляций с приведённым числом Рейнольдса примерно от 1000 до 10 000.
Сам по себе факт низкой ошибки на обучении мало что говорит. Более интересный результат — поведение моделей на тестовых сплитах, которые выходят за пределы обучающего распределения: другие семейства форм и не встречавшиеся ранее числа Рейнольдса. По словам авторов, предсказания остаются физически интерпретируемыми. Это косвенно подтверждает, что структура данных, собранная конвейером, передаёт моделям реальные закономерности течения, а не только «запоминает» примеры из обучающей выборки.
Итог
Судя по доступным материалам, ChannelFlow-Tools закрывает важный пробел между CFD-решателями и машинным обучением. Вместо отдельных скриптов для предобработки проект предлагает настраиваемый, проверяемый и воспроизводимый пайплайн. Это делает его полезным инструментом для исследователей, которые работают с трёхмерными обтеканиями и хотят больше внимания уделять архитектурам моделей, а не сборке очередного датасета.
Статья доступна в arXiv под номером 2509.15236; в списке авторов — Shubham Kavane, Lukas Schröder, Kajol Kulkarni, Fernando Gonzalez и Harald Koestler.
