[論文レビュー] Novel distance-based masking and adaptive alpha-shape methods for CNN-ready reconstruction of arbitrary 2D CFD flow domains

Mehran Sharifi, Gorka S. Larraona+1 more|arXiv (Cornell University)|Feb 17, 2026

Lattice Boltzmann Simulation Studies被引用数 0

ひとこと要約

論文は距離ベースのマスキング手法と適応型アルファ形状を導入し、CNN準備が整った物理的に一貫した2D CFD流れ領域を再構成し、古典的なアルファ形状と比較検討し、ウェブツールを提供する。

ABSTRACT

Interpolating scattered CFD datasets onto a uniform Cartesian grid can distort the true geometry, producing a convex-hull type envelope and activating nonphysical regions. This work presents a reconstruction framework that recovers physically consistent masks before exporting CNN-ready fields. It introduces two novel strategies, distance-based masking and an adaptive alpha-shape formulation that normalizes alpha using local data resolution, and evaluates them against classical alpha-shape boundary recovery. A quantitative, topology-aware metric suite is introduced to assess retention, suppression of unsupported regions, overlap consistency, and connectivity. The novel distance-based method is robust across the geometries considered under the same threshold rule, with tau set to the minimum CFD grid spacing, and achieves 500-800 times speedups over classical alpha-shapes. The adaptive alpha-shape remains stable when its control parameter is set to 1 and is 1.7-2.6 times faster than the classical variant, which requires geometry-specific alpha tuning. A lightweight boundary inflation post-process using a minimal dilation further improves retention by up to 2.96% with negligible unsupported activation (less than 0.08%). Overall, the distance-based method is recommended as the default due to its accuracy, stability, minimal tuning, and low cost, while the adaptive alpha-shape is a strong alternative when grid-spacing information for threshold selection is unavailable. A companion web application operationalizes the workflow end to end, enabling 2D ASCII dataset upload, parameter tuning, mask and boundary generation, and export of CNN-ready outputs.

研究の動機と目的

• CFD幾何形状を散乱データを均一格子に補間する際に非物理的領域を避けるため、正確な再構成を動機づける。
• 共通の閾値の下で真の幾何形状を頑健に回復する距離ベースのマスキング手法を開発する。
• 境界回復のため局所データ分解能でαを正規化する適応型アルファ形状の定式化を提案する。
• トポロジー認識の指標群で手法を評価し、古典的なアルファ形状と比較する。
• ワークフローを運用可能にする軽量な後処理ステップと併設ウェブアプリを提供する。

提案手法

• 距離ベースのマスキングを導入し、最小のCFD格子間隔に等しい閾値τで物理的に一貫した領域を回復する。
• 局所データ分解能によって形状パラメータを正規化し、制御パラメータを1近傍で安定性を評価する適応型アルファ形状を開発する。
• 保持、未サポート領域の抑制、重なりの一貫性、連結性を評価するトポロジー認識の指標群を定義する。
• 最小膨張による境界の膨張後処理を含め、ジオメトリの保持を改善し、追加活性化を極力抑える。
• 2D ASCIIデータのアップロード、パラメータ調整、マスク/境界の生成、CNN準備出力のエクスポートを行う併設ウェブアプリを提供する。

実験結果

リサーチクエスチョン

• RQ1 距離ベースのマスキングは、考慮する領域全体で単一閾値規則を用いて真のCFDジオメトリを信頼性よく回復できるか。
• RQ2 適応型アルファ形状は、境界回復と計算効率の点で古典的なアルファ形状と比較してどのようか。
• RQ3 境界膨張後処理は保持と未サポート領域の活性化にどのような影響を与えるか。
• RQ4 ウェブアプリケーションを介してこれらの手法を実用的にする頑健なワークフローは構築可能か。

主な発見

• 距離ベースのマスキングは、τを最小のCFD格子間隔に設定することでジオメトリを頑健に回復できる。
• 距離ベースの手法は古典的なアルファ形状と比較して500–800×の高速化を実現する。
• 適応型アルファ形状は制御パラメータを1に設定した場合安定し、古典的なバリアントより1.7–2.6×高速で、ジオメトリ固有の調整を必要としない。
• 境界膨張後処理は保持を最大で2.96%改善し、未対応の活性化は極めて小さい (<0.08%)。
• 総じて、距離ベースのマスキングは精度・安定性・低調整・低コストの点でデフォルトとして推奨される。一方、格子間隔情報が手元にない場合には適応型アルファ形状が有力な代替となる。