通过深度几何学习实现空气动力外形优化的自动参数化（英文版）

英文标题：Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning中文摘要：该研究提出两种深度学习模型，实现了飞行器气动形状优化的自动形状参数化转换，消除了进一步手工制作的需要。这两种模型是使用深度几何学习来优化参数化，将人类的先验知识嵌入到学习的几何模式中，直接通过移动顶点来操作高维网格数据。LSM 和 DMM 是完全可微分的，可实现基于梯度的端到端管道设计和插入式部署。英文摘要：We propose two deep learning models that fully automate shapeparameterization for aerodynamic shape optimization. Both models are optimizedto parameterize via deep geometric learning to embed human prior knowledge intolearned geometric patterns,