في خطوة رائدة نحو تحسين توقعات تدفق السوائل ثلاثية الأبعاد، تم تطوير أساليب حديثة تعتمد على نموذج المحولات (Transformers) لتحقيق أداء أفضل. في الأبحاث الحديثة، تم تقديم تقنيتين مبتكرتين: الانتباه المدرك للمسافة (Distance-aware Attention) وتوجيه الخبراء وفقًا للمسافة عن الحائط (Wall-Distance Expert Routing).

تعمل هذه التقنيات على ضغط المصفوفة الصناعية إلى مجموعة صغيرة من الرموز التي تُستخدم كنقاط توقع. تتكون العملية من مرحلتين: خطوة الاسترجاع حيث تجمع النقطة المعلومات من التمثيل المضغوط، وطبقة التغذية الأمامية التي تحول هذه المعلومات. في النماذج الحالية، كانت هذه العمليات لا تأخذ بعين الاعتبار موقع النقطة في التدفق، مما حد من الدقة.

يعتمد الانتباه المدرك للمسافة على إعادة تشكيل كل استعلام حجمي بناءً على مسافة النقطة عن الحائط، مما يمكّن النقاط العميقة من الحصول على معلومات هندسية مختلفة عن تلك الموجودة في التدفق الخارجي. على الجانب الآخر، تقدم استراتيجية توجيه الخبراء وفقًا للمسافة عن الحائط (SVMoE) مجموعة صغيرة من الخبراء تعتمد على المسافة للحفاظ على دقة التوقعات.

تظهر النتائج المثيرة أن هذه التحسينات تؤدي إلى تقليل خطأ ضغط الحجم بمعدل يتجاوز 12.5% على مجموعة بيانات DrivAerML. بالإضافة إلى ذلك، فإن تحسين النموذج عند تدريب على 300 حالة أخرى يساعد في تقليل أخطاء الضغط والسرعة بشكل واضح.

هذه الابتكارات ليست مرتبطة بنموذج معين، مما يوفر مرونة كبيرة في تطبيقها على نماذج مثل AB-UPT وTransolver-3. هل ستمثل هذه التطورات خطوة متقدمة في مجال توقع أنماط السريان؟ ننتظر آراءكم وتعليقاتكم!