國際信息與知識管理大會（Conference on Information and Knowledge Management，CIKM）自1992年起舉辦，是計算機科學領域的頂級學術會議。第33屆國際信息與知識管理大會將于2024年10月21日至25日在美國博伊西隆重舉行。

依托該會議，開放原子開源基金會攜手百度飛槳、阿爾特汽車，聯合舉辦了一場重量級賽事——“CIKM 2024：AI輔助的先進空氣動力學-優化汽車設計以實現最佳性能”，并取得了令人矚目的成果。

汽車的空氣動力學性能對于提高燃油經濟性、降低風噪聲、減少排放以及推動實現碳中和的目標至關重要。特別是在全電動車的時代，風阻直接影響到車輛的行駛續航里程。

解決汽車設計的真實痛點

汽車企業進行汽車設計時，工程師往往需要通過查看CFD流體仿真的速度云圖和壓力云圖尋找噪聲源，針對氣流分離點進行造型改進，從而有針對性地提出優化方案。然而，傳統的氣動性能開發過程主要依賴工程師的經驗進行模型更新和分析驗證，這在處理單一部件設計驗證時會導致大量重復性的模型處理工作，再加上計算時間，整體效率相對較低。同時，汽車設計廠商擁有大量的仿真實驗數據，但往往在新設計方案中未能得到充分利用。

為探索人工智能在汽車空氣動力學領域的前沿應用，解決實際的工業難題，開放原子開源基金會攜手百度飛槳、阿爾特汽車，依托即將召開的第33屆國際信息與知識管理大會（CIKM），聯合舉辦了一場重要賽事——“CIKM 2024：AI輔助的先進空氣動力學-優化汽車設計以實現最佳性能”。通過向選手們提供一系列工具和汽車企業大量仿真實驗數據，實現對流場信息以及風阻系數進行快速預測，從而加快汽車設計的迭代效率。

數據集與比賽項目

本賽題的數據集分為兩個部分，從兩個部分的數據集中各隨機取出500不同形狀的汽車數據和合并為完整的訓練集，隨機各取出50額外的汽車數據作為驗證集。

數據集1：ShapeNet

ShapeNet是一個大型的3D CAD模型庫，由斯坦福大學、普林斯頓大學和芝加哥豐田技術研究所的研究人員開發。該數據集包含了超過300萬個模型，其中22萬個模型被分類到3135個類別中。其中3D ShapeNet Car是ShapeNet數據集中一個專門的子集，它包含了1256輛不同類型汽車的3D模型，這些模型被用于各種計算機視覺和圖形學研究任務，如3D對象重建、語義分割和點云生成等。

數據集2：企業仿真實驗數據

百度公司和IAT公司基于真實的業務需求，共選取了2700組不同車型在通過不同尺寸的隧道時的場景，并從其中隨機采樣了550種不同的汽車數據。訓練數據包含500種不同類型汽車的幾何形狀以及對應的風阻系數，測試數據包含50種不同汽車數據。

比賽揭榜

本次比賽有326支隊伍報名參賽，歷經兩個月的激烈角逐與精心籌備，最終有12支參賽團隊脫穎而出，并提交了最終技術報告及對應代碼。由開放原子開源基金會、百度飛槳、阿爾特汽車等機構的專家，以及傅立葉神經算子領域的知名學者Zongyi Li老師組成的權威評審團，依據嚴格標準，對各團隊的最終加權得分進行了綜合考量與排名。現正式揭曉本次比賽的優勝名單。

以上獲獎隊伍將于2024年10月25日，與開放原子開源基金會、百度飛槳、阿爾特汽車共同參加第33屆國際信息與知識管理大會（CIKM）的AnalytiCup工作營并分享報告。更多精彩內容，敬請關注開放原子開源基金會官方公眾號！