A Physics-Informed Vector Quantized Autoencoder for Data Compression of Turbulent Flow

Analyzing large-scale data from simulations of turbulent flows is memory intensive, requiring significant resources. This major challenge highlights the need for data compression techniques. In this study, we apply a physics-informed Deep Learning technique based on vector quantization to generate a...

Celý popis

Podrobná bibliografie

Vydáno v:	DCC (Los Alamitos, Calif.) s. 01 - 10
Hlavní autoři:	Momenifar, Mohammadreza, Diao, Enmao, Tarokh, Vahid, Bragg, Andrew D.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.03.2022
Témata:	Computational fluid dynamics Computational modeling Data compression Deep learning Solid modeling Training data Vector quantization
ISSN:	2375-0359
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!