Datasets:

PLAID-datasets
/

Rotor37

	---
	license: cc-by-sa-4.0
	size_categories:
	- 1K<n<10K
	task_categories:
	- graph-ml
	pretty_name: 3D RANS simulations of the rotor37
	tags:
	- physics learning
	- geometry learning
	configs:
	- config_name: default
	data_files:
	- split: all_samples
	path: data/all_samples-*
	dataset_info:
	description:
	legal:
	owner: Safran
	license: CC-BY-SA
	data_production:
	type: simulation
	physics: 3D CFD RANS compressor blade
	split:
	test:
	- 1000
	- 1001
	- 1002
	- 1003
	- 1004
	- 1005
	- 1006
	- 1007
	- 1008
	- 1009
	- 1010
	- 1011
	- 1012
	- 1013
	- 1014
	- 1015
	- 1016
	- 1017
	- 1018
	- 1019
	- 1020
	- 1021
	- 1022
	- 1023
	- 1024
	- 1025
	- 1026
	- 1027
	- 1028
	- 1029
	- 1030
	- 1031
	- 1032
	- 1033
	- 1034
	- 1035
	- 1036
	- 1037
	- 1038
	- 1039
	- 1040
	- 1041
	- 1042
	- 1043
	- 1044
	- 1045
	- 1046
	- 1047
	- 1048
	- 1049
	- 1050
	- 1051
	- 1052
	- 1053
	- 1054
	- 1055
	- 1056
	- 1057
	- 1058
	- 1059
	- 1060
	- 1061
	- 1062
	- 1063
	- 1064
	- 1065
	- 1066
	- 1067
	- 1068
	- 1069
	- 1070
	- 1071
	- 1072
	- 1073
	- 1074
	- 1075
	- 1076
	- 1077
	- 1078
	- 1079
	- 1080
	- 1081
	- 1082
	- 1083
	- 1084
	- 1085
	- 1086
	- 1087
	- 1088
	- 1089
	- 1090
	- 1091
	- 1092
	- 1093
	- 1094
	- 1095
	- 1096
	- 1097
	- 1098
	- 1099
	- 1100
	- 1101
	- 1102
	- 1103
	- 1104
	- 1105
	- 1106
	- 1107
	- 1108
	- 1109
	- 1110
	- 1111
	- 1112
	- 1113
	- 1114
	- 1115
	- 1116
	- 1117
	- 1118
	- 1119
	- 1120
	- 1121
	- 1122
	- 1123
	- 1124
	- 1125
	- 1126
	- 1127
	- 1128
	- 1129
	- 1130
	- 1131
	- 1132
	- 1133
	- 1134
	- 1135
	- 1136
	- 1137
	- 1138
	- 1139
	- 1140
	- 1141
	- 1142
	- 1143
	- 1144
	- 1145
	- 1146
	- 1147
	- 1148
	- 1149
	- 1150
	- 1151
	- 1152
	- 1153
	- 1154
	- 1155
	- 1156
	- 1157
	- 1158
	- 1159
	- 1160
	- 1161
	- 1162
	- 1163
	- 1164
	- 1165
	- 1166
	- 1167
	- 1168
	- 1169
	- 1170
	- 1171
	- 1172
	- 1173
	- 1174
	- 1175
	- 1176
	- 1177
	- 1178
	- 1179
	- 1180
	- 1181
	- 1182
	- 1183
	- 1184
	- 1185
	- 1186
	- 1187
	- 1188
	- 1189
	- 1190
	- 1191
	- 1192
	- 1193
	- 1194
	- 1195
	- 1196
	- 1197
	- 1198
	- 1199
	train_8:
	- 154
	- 174
	- 383
	- 501
	- 524
	- 593
	- 711
	- 732
	train_16:
	- 76
	- 124
	- 130
	- 154
	- 157
	- 174
	- 383
	- 501
	- 524
	- 593
	- 711
	- 732
	- 798
	- 800
	- 959
	- 987
	train_32:
	- 3
	- 23
	- 76
	- 124
	- 130
	- 154
	- 157
	- 174
	- 190
	- 316
	- 324
	- 339
	- 383
	- 469
	- 501
	- 524
	- 556
	- 593
	- 606
	- 616
	- 662
	- 673
	- 711
	- 732
	- 757
	- 798
	- 800
	- 846
	- 909
	- 927
	- 959
	- 987
	train_64:
	- 3
	- 23
	- 34
	- 56
	- 71
	- 76
	- 124
	- 130
	- 145
	- 154
	- 157
	- 174
	- 187
	- 190
	- 201
	- 210
	- 223
	- 288
	- 316
	- 324
	- 335
	- 339
	- 376
	- 379
	- 383
	- 389
	- 414
	- 444
	- 469
	- 490
	- 501
	- 519
	- 524
	- 556
	- 557
	- 572
	- 575
	- 589
	- 593
	- 606
	- 616
	- 662
	- 673
	- 692
	- 711
	- 732
	- 741
	- 757
	- 760
	- 772
	- 781
	- 782
	- 798
	- 800
	- 806
	- 836
	- 846
	- 852
	- 896
	- 909
	- 927
	- 959
	- 985
	- 987
	train_125:
	- 3
	- 6
	- 16
	- 20
	- 23
	- 34
	- 56
	- 71
	- 76
	- 78
	- 83
	- 102
	- 105
	- 124
	- 130
	- 145
	- 152
	- 154
	- 157
	- 160
	- 173
	- 174
	- 180
	- 187
	- 190
	- 198
	- 201
	- 204
	- 210
	- 223
	- 224
	- 229
	- 233
	- 251
	- 278
	- 288
	- 289
	- 316
	- 317
	- 324
	- 335
	- 339
	- 371
	- 375
	- 376
	- 377
	- 379
	- 383
	- 389
	- 414
	- 426
	- 428
	- 431
	- 443
	- 444
	- 463
	- 469
	- 471
	- 490
	- 501
	- 513
	- 516
	- 519
	- 524
	- 525
	- 527
	- 530
	- 556
	- 557
	- 558
	- 572
	- 573
	- 575
	- 589
	- 593
	- 606
	- 612
	- 616
	- 624
	- 628
	- 638
	- 662
	- 673
	- 681
	- 692
	- 699
	- 711
	- 713
	- 715
	- 732
	- 741
	- 754
	- 757
	- 760
	- 763
	- 769
	- 772
	- 779
	- 781
	- 782
	- 783
	- 784
	- 798
	- 800
	- 806
	- 812
	- 834
	- 836
	- 843
	- 846
	- 852
	- 854
	- 866
	- 872
	- 877
	- 896
	- 909
	- 927
	- 931
	- 939
	- 956
	- 959
	- 985
	- 987
	- 996
	train_250:
	- 3
	- 6
	- 7
	- 16
	- 20
	- 21
	- 22
	- 23
	- 29
	- 33
	- 34
	- 39
	- 46
	- 56
	- 57
	- 71
	- 76
	- 77
	- 78
	- 81
	- 83
	- 95
	- 99
	- 101
	- 102
	- 105
	- 115
	- 117
	- 124
	- 130
	- 143
	- 145
	- 152
	- 154
	- 157
	- 159
	- 160
	- 167
	- 173
	- 174
	- 180
	- 182
	- 187
	- 190
	- 196
	- 198
	- 201
	- 203
	- 204
	- 210
	- 212
	- 217
	- 220
	- 223
	- 224
	- 229
	- 233
	- 246
	- 247
	- 250
	- 251
	- 252
	- 264
	- 268
	- 270
	- 278
	- 288
	- 289
	- 300
	- 312
	- 314
	- 316
	- 317
	- 319
	- 320
	- 324
	- 334
	- 335
	- 337
	- 339
	- 348
	- 356
	- 357
	- 359
	- 367
	- 369
	- 370
	- 371
	- 375
	- 376
	- 377
	- 379
	- 383
	- 389
	- 395
	- 396
	- 398
	- 400
	- 404
	- 405
	- 408
	- 413
	- 414
	- 415
	- 416
	- 420
	- 426
	- 428
	- 431
	- 435
	- 436
	- 441
	- 443
	- 444
	- 449
	- 452
	- 463
	- 468
	- 469
	- 471
	- 472
	- 479
	- 483
	- 490
	- 501
	- 512
	- 513
	- 516
	- 518
	- 519
	- 523
	- 524
	- 525
	- 526
	- 527
	- 528
	- 530
	- 532
	- 553
	- 556
	- 557
	- 558
	- 561
	- 567
	- 568
	- 570
	- 572
	- 573
	- 575
	- 589
	- 593
	- 595
	- 597
	- 601
	- 606
	- 612
	- 616
	- 621
	- 622
	- 624
	- 628
	- 629
	- 631
	- 638
	- 641
	- 643
	- 647
	- 648
	- 657
	- 662
	- 663
	- 673
	- 677
	- 681
	- 692
	- 699
	- 703
	- 704
	- 705
	- 711
	- 713
	- 715
	- 721
	- 728
	- 731
	- 732
	- 741
	- 742
	- 747
	- 754
	- 757
	- 760
	- 763
	- 766
	- 769
	- 772
	- 779
	- 781
	- 782
	- 783
	- 784
	- 798
	- 800
	- 806
	- 812
	- 813
	- 816
	- 823
	- 826
	- 832
	- 833
	- 834
	- 836
	- 842
	- 843
	- 846
	- 852
	- 854
	- 857
	- 864
	- 866
	- 871
	- 872
	- 876
	- 877
	- 884
	- 892
	- 896
	- 901
	- 909
	- 922
	- 927
	- 931
	- 936
	- 937
	- 939
	- 946
	- 956
	- 959
	- 965
	- 975
	- 978
	- 982
	- 985
	- 987
	- 993
	- 994
	- 995
	- 996
	- 999
	train_500:
	- 1
	- 2
	- 3
	- 6
	- 7
	- 9
	- 11
	- 14
	- 16
	- 18
	- 20
	- 21
	- 22
	- 23
	- 26
	- 29
	- 31
	- 32
	- 33
	- 34
	- 36
	- 37
	- 38
	- 39
	- 44
	- 46
	- 48
	- 51
	- 52
	- 54
	- 55
	- 56
	- 57
	- 58
	- 59
	- 61
	- 62
	- 66
	- 67
	- 71
	- 72
	- 73
	- 76
	- 77
	- 78
	- 80
	- 81
	- 82
	- 83
	- 86
	- 89
	- 92
	- 94
	- 95
	- 99
	- 101
	- 102
	- 105
	- 109
	- 111
	- 113
	- 115
	- 117
	- 118
	- 123
	- 124
	- 129
	- 130
	- 136
	- 140
	- 143
	- 144
	- 145
	- 152
	- 153
	- 154
	- 155
	- 157
	- 159
	- 160
	- 164
	- 167
	- 168
	- 173
	- 174
	- 176
	- 177
	- 180
	- 182
	- 187
	- 188
	- 190
	- 192
	- 193
	- 194
	- 196
	- 198
	- 199
	- 201
	- 202
	- 203
	- 204
	- 206
	- 207
	- 210
	- 211
	- 212
	- 213
	- 217
	- 219
	- 220
	- 221
	- 223
	- 224
	- 227
	- 228
	- 229
	- 233
	- 234
	- 237
	- 239
	- 240
	- 244
	- 245
	- 246
	- 247
	- 249
	- 250
	- 251
	- 252
	- 255
	- 263
	- 264
	- 266
	- 268
	- 269
	- 270
	- 271
	- 272
	- 277
	- 278
	- 284
	- 288
	- 289
	- 291
	- 293
	- 300
	- 302
	- 303
	- 312
	- 314
	- 316
	- 317
	- 319
	- 320
	- 323
	- 324
	- 329
	- 331
	- 332
	- 334
	- 335
	- 337
	- 339
	- 348
	- 351
	- 353
	- 356
	- 357
	- 359
	- 361
	- 363
	- 364
	- 366
	- 367
	- 369
	- 370
	- 371
	- 373
	- 375
	- 376
	- 377
	- 379
	- 380
	- 382
	- 383
	- 384
	- 387
	- 389
	- 390
	- 395
	- 396
	- 398
	- 400
	- 403
	- 404
	- 405
	- 408
	- 411
	- 412
	- 413
	- 414
	- 415
	- 416
	- 417
	- 418
	- 419
	- 420
	- 421
	- 426
	- 428
	- 429
	- 431
	- 433
	- 435
	- 436
	- 437
	- 438
	- 439
	- 441
	- 442
	- 443
	- 444
	- 445
	- 447
	- 448
	- 449
	- 450
	- 452
	- 456
	- 463
	- 464
	- 465
	- 467
	- 468
	- 469
	- 471
	- 472
	- 473
	- 476
	- 477
	- 479
	- 481
	- 482
	- 483
	- 485
	- 486
	- 487
	- 489
	- 490
	- 491
	- 494
	- 495
	- 496
	- 497
	- 501
	- 502
	- 506
	- 508
	- 509
	- 510
	- 512
	- 513
	- 514
	- 515
	- 516
	- 518
	- 519
	- 523
	- 524
	- 525
	- 526
	- 527
	- 528
	- 529
	- 530
	- 532
	- 548
	- 550
	- 552
	- 553
	- 556
	- 557
	- 558
	- 560
	- 561
	- 567
	- 568
	- 570
	- 572
	- 573
	- 574
	- 575
	- 578
	- 581
	- 582
	- 583
	- 589
	- 591
	- 592
	- 593
	- 595
	- 596
	- 597
	- 601
	- 605
	- 606
	- 610
	- 612
	- 613
	- 614
	- 616
	- 617
	- 618
	- 621
	- 622
	- 624
	- 626
	- 628
	- 629
	- 631
	- 633
	- 635
	- 638
	- 641
	- 643
	- 647
	- 648
	- 650
	- 652
	- 654
	- 657
	- 658
	- 662
	- 663
	- 667
	- 668
	- 670
	- 673
	- 677
	- 678
	- 681
	- 688
	- 690
	- 692
	- 693
	- 696
	- 699
	- 703
	- 704
	- 705
	- 706
	- 707
	- 711
	- 713
	- 715
	- 719
	- 721
	- 722
	- 724
	- 728
	- 729
	- 731
	- 732
	- 736
	- 741
	- 742
	- 745
	- 746
	- 747
	- 753
	- 754
	- 757
	- 760
	- 761
	- 763
	- 764
	- 765
	- 766
	- 767
	- 768
	- 769
	- 770
	- 771
	- 772
	- 773
	- 775
	- 778
	- 779
	- 780
	- 781
	- 782
	- 783
	- 784
	- 787
	- 789
	- 794
	- 795
	- 798
	- 800
	- 802
	- 804
	- 806
	- 808
	- 811
	- 812
	- 813
	- 815
	- 816
	- 818
	- 819
	- 823
	- 826
	- 827
	- 829
	- 832
	- 833
	- 834
	- 836
	- 842
	- 843
	- 846
	- 847
	- 849
	- 852
	- 853
	- 854
	- 855
	- 856
	- 857
	- 859
	- 861
	- 862
	- 863
	- 864
	- 866
	- 870
	- 871
	- 872
	- 873
	- 876
	- 877
	- 880
	- 882
	- 884
	- 887
	- 888
	- 891
	- 892
	- 893
	- 894
	- 896
	- 898
	- 900
	- 901
	- 902
	- 906
	- 909
	- 914
	- 920
	- 921
	- 922
	- 925
	- 927
	- 931
	- 936
	- 937
	- 938
	- 939
	- 942
	- 946
	- 950
	- 951
	- 952
	- 955
	- 956
	- 957
	- 959
	- 964
	- 965
	- 966
	- 969
	- 972
	- 975
	- 978
	- 980
	- 981
	- 982
	- 983
	- 985
	- 986
	- 987
	- 988
	- 989
	- 990
	- 993
	- 994
	- 995
	- 996
	- 999
	train_1000:
	- 0
	- 1
	- 2
	- 3
	- 4
	- 5
	- 6
	- 7
	- 8
	- 9
	- 10
	- 11
	- 12
	- 13
	- 14
	- 15
	- 16
	- 17
	- 18
	- 19
	- 20
	- 21
	- 22
	- 23
	- 24
	- 25
	- 26
	- 27
	- 28
	- 29
	- 30
	- 31
	- 32
	- 33
	- 34
	- 35
	- 36
	- 37
	- 38
	- 39
	- 40
	- 41
	- 42
	- 43
	- 44
	- 45
	- 46
	- 47
	- 48
	- 49
	- 50
	- 51
	- 52
	- 53
	- 54
	- 55
	- 56
	- 57
	- 58
	- 59
	- 60
	- 61
	- 62
	- 63
	- 64
	- 65
	- 66
	- 67
	- 68
	- 69
	- 70
	- 71
	- 72
	- 73
	- 74
	- 75
	- 76
	- 77
	- 78
	- 79
	- 80
	- 81
	- 82
	- 83
	- 84
	- 85
	- 86
	- 87
	- 88
	- 89
	- 90
	- 91
	- 92
	- 93
	- 94
	- 95
	- 96
	- 97
	- 98
	- 99
	- 100
	- 101
	- 102
	- 103
	- 104
	- 105
	- 106
	- 107
	- 108
	- 109
	- 110
	- 111
	- 112
	- 113
	- 114
	- 115
	- 116
	- 117
	- 118
	- 119
	- 120
	- 121
	- 122
	- 123
	- 124
	- 125
	- 126
	- 127
	- 128
	- 129
	- 130
	- 131
	- 132
	- 133
	- 134
	- 135
	- 136
	- 137
	- 138
	- 139
	- 140
	- 141
	- 142
	- 143
	- 144
	- 145
	- 146
	- 147
	- 148
	- 149
	- 150
	- 151
	- 152
	- 153
	- 154
	- 155
	- 156
	- 157
	- 158
	- 159
	- 160
	- 161
	- 162
	- 163
	- 164
	- 165
	- 166
	- 167
	- 168
	- 169
	- 170
	- 171
	- 172
	- 173
	- 174
	- 175
	- 176
	- 177
	- 178
	- 179
	- 180
	- 181
	- 182
	- 183
	- 184
	- 185
	- 186
	- 187
	- 188
	- 189
	- 190
	- 191
	- 192
	- 193
	- 194
	- 195
	- 196
	- 197
	- 198
	- 199
	- 200
	- 201
	- 202
	- 203
	- 204
	- 205
	- 206
	- 207
	- 208
	- 209
	- 210
	- 211
	- 212
	- 213
	- 214
	- 215
	- 216
	- 217
	- 218
	- 219
	- 220
	- 221
	- 222
	- 223
	- 224
	- 225
	- 226
	- 227
	- 228
	- 229
	- 230
	- 231
	- 232
	- 233
	- 234
	- 235
	- 236
	- 237
	- 238
	- 239
	- 240
	- 241
	- 242
	- 243
	- 244
	- 245
	- 246
	- 247
	- 248
	- 249
	- 250
	- 251
	- 252
	- 253
	- 254
	- 255
	- 256
	- 257
	- 258
	- 259
	- 260
	- 261
	- 262
	- 263
	- 264
	- 265
	- 266
	- 267
	- 268
	- 269
	- 270
	- 271
	- 272
	- 273
	- 274
	- 275
	- 276
	- 277
	- 278
	- 279
	- 280
	- 281
	- 282
	- 283
	- 284
	- 285
	- 286
	- 287
	- 288
	- 289
	- 290
	- 291
	- 292
	- 293
	- 294
	- 295
	- 296
	- 297
	- 298
	- 299
	- 300
	- 301
	- 302
	- 303
	- 304
	- 305
	- 306
	- 307
	- 308
	- 309
	- 310
	- 311
	- 312
	- 313
	- 314
	- 315
	- 316
	- 317
	- 318
	- 319
	- 320
	- 321
	- 322
	- 323
	- 324
	- 325
	- 326
	- 327
	- 328
	- 329
	- 330
	- 331
	- 332
	- 333
	- 334
	- 335
	- 336
	- 337
	- 338
	- 339
	- 340
	- 341
	- 342
	- 343
	- 344
	- 345
	- 346
	- 347
	- 348
	- 349
	- 350
	- 351
	- 352
	- 353
	- 354
	- 355
	- 356
	- 357
	- 358
	- 359
	- 360
	- 361
	- 362
	- 363
	- 364
	- 365
	- 366
	- 367
	- 368
	- 369
	- 370
	- 371
	- 372
	- 373
	- 374
	- 375
	- 376
	- 377
	- 378
	- 379
	- 380
	- 381
	- 382
	- 383
	- 384
	- 385
	- 386
	- 387
	- 388
	- 389
	- 390
	- 391
	- 392
	- 393
	- 394
	- 395
	- 396
	- 397
	- 398
	- 399
	- 400
	- 401
	- 402
	- 403
	- 404
	- 405
	- 406
	- 407
	- 408
	- 409
	- 410
	- 411
	- 412
	- 413
	- 414
	- 415
	- 416
	- 417
	- 418
	- 419
	- 420
	- 421
	- 422
	- 423
	- 424
	- 425
	- 426
	- 427
	- 428
	- 429
	- 430
	- 431
	- 432
	- 433
	- 434
	- 435
	- 436
	- 437
	- 438
	- 439
	- 440
	- 441
	- 442
	- 443
	- 444
	- 445
	- 446
	- 447
	- 448
	- 449
	- 450
	- 451
	- 452
	- 453
	- 454
	- 455
	- 456
	- 457
	- 458
	- 459
	- 460
	- 461
	- 462
	- 463
	- 464
	- 465
	- 466
	- 467
	- 468
	- 469
	- 470
	- 471
	- 472
	- 473
	- 474
	- 475
	- 476
	- 477
	- 478
	- 479
	- 480
	- 481
	- 482
	- 483
	- 484
	- 485
	- 486
	- 487
	- 488
	- 489
	- 490
	- 491
	- 492
	- 493
	- 494
	- 495
	- 496
	- 497
	- 498
	- 499
	- 500
	- 501
	- 502
	- 503
	- 504
	- 505
	- 506
	- 507
	- 508
	- 509
	- 510
	- 511
	- 512
	- 513
	- 514
	- 515
	- 516
	- 517
	- 518
	- 519
	- 520
	- 521
	- 522
	- 523
	- 524
	- 525
	- 526
	- 527
	- 528
	- 529
	- 530
	- 531
	- 532
	- 533
	- 534
	- 535
	- 536
	- 537
	- 538
	- 539
	- 540
	- 541
	- 542
	- 543
	- 544
	- 545
	- 546
	- 547
	- 548
	- 549
	- 550
	- 551
	- 552
	- 553
	- 554
	- 555
	- 556
	- 557
	- 558
	- 559
	- 560
	- 561
	- 562
	- 563
	- 564
	- 565
	- 566
	- 567
	- 568
	- 569
	- 570
	- 571
	- 572
	- 573
	- 574
	- 575
	- 576
	- 577
	- 578
	- 579
	- 580
	- 581
	- 582
	- 583
	- 584
	- 585
	- 586
	- 587
	- 588
	- 589
	- 590
	- 591
	- 592
	- 593
	- 594
	- 595
	- 596
	- 597
	- 598
	- 599
	- 600
	- 601
	- 602
	- 603
	- 604
	- 605
	- 606
	- 607
	- 608
	- 609
	- 610
	- 611
	- 612
	- 613
	- 614
	- 615
	- 616
	- 617
	- 618
	- 619
	- 620
	- 621
	- 622
	- 623
	- 624
	- 625
	- 626
	- 627
	- 628
	- 629
	- 630
	- 631
	- 632
	- 633
	- 634
	- 635
	- 636
	- 637
	- 638
	- 639
	- 640
	- 641
	- 642
	- 643
	- 644
	- 645
	- 646
	- 647
	- 648
	- 649
	- 650
	- 651
	- 652
	- 653
	- 654
	- 655
	- 656
	- 657
	- 658
	- 659
	- 660
	- 661
	- 662
	- 663
	- 664
	- 665
	- 666
	- 667
	- 668
	- 669
	- 670
	- 671
	- 672
	- 673
	- 674
	- 675
	- 676
	- 677
	- 678
	- 679
	- 680
	- 681
	- 682
	- 683
	- 684
	- 685
	- 686
	- 687
	- 688
	- 689
	- 690
	- 691
	- 692
	- 693
	- 694
	- 695
	- 696
	- 697
	- 698
	- 699
	- 700
	- 701
	- 702
	- 703
	- 704
	- 705
	- 706
	- 707
	- 708
	- 709
	- 710
	- 711
	- 712
	- 713
	- 714
	- 715
	- 716
	- 717
	- 718
	- 719
	- 720
	- 721
	- 722
	- 723
	- 724
	- 725
	- 726
	- 727
	- 728
	- 729
	- 730
	- 731
	- 732
	- 733
	- 734
	- 735
	- 736
	- 737
	- 738
	- 739
	- 740
	- 741
	- 742
	- 743
	- 744
	- 745
	- 746
	- 747
	- 748
	- 749
	- 750
	- 751
	- 752
	- 753
	- 754
	- 755
	- 756
	- 757
	- 758
	- 759
	- 760
	- 761
	- 762
	- 763
	- 764
	- 765
	- 766
	- 767
	- 768
	- 769
	- 770
	- 771
	- 772
	- 773
	- 774
	- 775
	- 776
	- 777
	- 778
	- 779
	- 780
	- 781
	- 782
	- 783
	- 784
	- 785
	- 786
	- 787
	- 788
	- 789
	- 790
	- 791
	- 792
	- 793
	- 794
	- 795
	- 796
	- 797
	- 798
	- 799
	- 800
	- 801
	- 802
	- 803
	- 804
	- 805
	- 806
	- 807
	- 808
	- 809
	- 810
	- 811
	- 812
	- 813
	- 814
	- 815
	- 816
	- 817
	- 818
	- 819
	- 820
	- 821
	- 822
	- 823
	- 824
	- 825
	- 826
	- 827
	- 828
	- 829
	- 830
	- 831
	- 832
	- 833
	- 834
	- 835
	- 836
	- 837
	- 838
	- 839
	- 840
	- 841
	- 842
	- 843
	- 844
	- 845
	- 846
	- 847
	- 848
	- 849
	- 850
	- 851
	- 852
	- 853
	- 854
	- 855
	- 856
	- 857
	- 858
	- 859
	- 860
	- 861
	- 862
	- 863
	- 864
	- 865
	- 866
	- 867
	- 868
	- 869
	- 870
	- 871
	- 872
	- 873
	- 874
	- 875
	- 876
	- 877
	- 878
	- 879
	- 880
	- 881
	- 882
	- 883
	- 884
	- 885
	- 886
	- 887
	- 888
	- 889
	- 890
	- 891
	- 892
	- 893
	- 894
	- 895
	- 896
	- 897
	- 898
	- 899
	- 900
	- 901
	- 902
	- 903
	- 904
	- 905
	- 906
	- 907
	- 908
	- 909
	- 910
	- 911
	- 912
	- 913
	- 914
	- 915
	- 916
	- 917
	- 918
	- 919
	- 920
	- 921
	- 922
	- 923
	- 924
	- 925
	- 926
	- 927
	- 928
	- 929
	- 930
	- 931
	- 932
	- 933
	- 934
	- 935
	- 936
	- 937
	- 938
	- 939
	- 940
	- 941
	- 942
	- 943
	- 944
	- 945
	- 946
	- 947
	- 948
	- 949
	- 950
	- 951
	- 952
	- 953
	- 954
	- 955
	- 956
	- 957
	- 958
	- 959
	- 960
	- 961
	- 962
	- 963
	- 964
	- 965
	- 966
	- 967
	- 968
	- 969
	- 970
	- 971
	- 972
	- 973
	- 974
	- 975
	- 976
	- 977
	- 978
	- 979
	- 980
	- 981
	- 982
	- 983
	- 984
	- 985
	- 986
	- 987
	- 988
	- 989
	- 990
	- 991
	- 992
	- 993
	- 994
	- 995
	- 996
	- 997
	- 998
	- 999
	task: regression
	in_scalars_names:
	- Omega
	- P
	out_scalars_names:
	- Massflow
	- Compression_ratio
	- Efficiency
	in_timeseries_names: []
	out_timeseries_names: []
	in_fields_names:
	- NormalsX
	- NormalsY
	- NormalsZ
	out_fields_names:
	- Density
	- Pressure
	- Temperature
	in_meshes_names:
	- /Base_2_3/Zone
	out_meshes_names: []
	features:
	- name: sample
	dtype: binary
	splits:
	- name: all_samples
	num_bytes: 5138422400
	num_examples: 1200
	download_size: 3903019328
	dataset_size: 5138422400
	---

	# Dataset Card
	![image/png](https://i.ibb.co/DKP161M/rotor37-preview.png)

	This dataset contains a single huggingface split, named 'all_samples'.

	The samples contains a single huggingface feature, named called "sample".

	Samples are instances of [plaid.containers.sample.Sample](https://plaid-lib.readthedocs.io/en/latest/autoapi/plaid/containers/sample/index.html#plaid.containers.sample.Sample).
	Mesh objects included in samples follow the [CGNS](https://cgns.github.io/) standard, and can be converted in
	[Muscat.Containers.Mesh.Mesh](https://muscat.readthedocs.io/en/latest/_source/Muscat.Containers.Mesh.html#Muscat.Containers.Mesh.Mesh).


	Example of commands:
	```python
	import pickle
	from datasets import load_dataset
	from plaid.containers.sample import Sample

	# Load the dataset
	dataset = load_dataset("chanel/dataset", split="all_samples")

	# Get the first sample of the first split
	split_names = list(dataset.description["split"].keys())
	ids_split_0 = dataset.description["split"][split_names[0]]
	sample_0_split_0 = dataset[ids_split_0[0]]["sample"]
	plaid_sample = Sample.model_validate(pickle.loads(sample_0_split_0))
	print("type(plaid_sample) =", type(plaid_sample))

	print("plaid_sample =", plaid_sample)

	# Get a field from the sample
	field_names = plaid_sample.get_field_names()
	field = plaid_sample.get_field(field_names[0])
	print("field_names[0] =", field_names[0])

	print("field.shape =", field.shape)

	# Get the mesh and convert it to Muscat
	from Muscat.Bridges import CGNSBridge
	CGNS_tree = plaid_sample.get_mesh()
	mesh = CGNSBridge.CGNSToMesh(CGNS_tree)
	print(mesh)
	```

	## Dataset Details

	### Dataset Description


	This dataset contains 3D CFD RANS solutions, under geometrical variations of a compressor blade.

	A description is provided in the [MMGP paper ](https://arxiv.org/pdf/2305.12871) Sections 4.1 and Appendix A.1.

	The variablity in the samples are 2 input scalars and the geometry (mesh). Outputs of interest are 3 scalars and 3 fields.

	Eight nested training sets of sizes 8 to 1000 are provided, with complete input-output data. A testing set of size 200 is provided, for which outputs are not provided.

	Dataset created using the [PLAID](https://plaid-lib.readthedocs.io/) library and datamodel, version: 0.0.10.dev0+g197feb3.d20240624.

	- Language: [PLAID](https://plaid-lib.readthedocs.io/)
	- License: cc-by-sa-4.0
	- Owner: Safran

	### Dataset Sources

	- Repository: [Zenodo](https://zenodo.org/records/10149830)
	- Paper: [arxiv](https://arxiv.org/pdf/2305.12871)