PLAID
PLAID（Physics-informed Learning from AI-aided Descriptions）是 ICML 2026 提出的工业物理 ML 基准， 聚焦真实工业中存在、但网格结构与物理量异构的仿真场景。其数据格式与 CGNS 兼容， 可直接对接主流 CAE 后处理工具，是用 ML 加速工业仿真（代理模型 / 降阶）最贴近实战的数据集。
适用场景：验证代理模型在复杂工业几何上的精度；与主流 CAE 工具链对接做降阶验证。
标签: 工业异构网格CGNSCAE
相关条目
- CFDBench · 专注计算流体力学（CFD）场景的多物理场数据集，覆盖内流、外流、热对流等典型工程场景，含时序与稳态数据。
- PDEBench · 大规模 PDE 基准数据集，涵盖热传导、对流扩散、流体动力学等方程，支持数据驱动与物理信息方法的公平对比。
- TU Delft 湍流尾流数据集 · 荷兰代尔夫特理工大学发布的经典湍流尾流/方腔流实验与仿真数据集，涵盖多种钝体绕流场景，是 CFD 验证的标杆数据。
- U-bend 弯管流热耦合数据集 · 10,000 组参数化 90° 弯管流体-热耦合仿真数据，覆盖不同曲率比与雷诺数，用于换热器设计与代理模型研究。
- TIDE · 2026 年发布的 3D 湍流 DNS 基准数据集，含 5 个任务与受控泛化切分，专用于评测湍流模型的外推能力。