従来の流体シミュレーションは時間とエネルギーを大量に消費するため、研究者たちは障害物が多い環境での非圧縮流体シミュレーションにおける神経ネットワークの有効性を検討しました。研究の結果、特に短時間のシミュレーションでは神経ネットワークの予測に対する誤差は比較的低く抑えられることが確認されました。トレーニングデータセットでのルート平均二乗誤差は0.32%、テストデータセットでは0.36%でした。さらに、従来のシミュレーションに比べて約8,800倍速く流れを予測できることも示され、神経ネットワークが障害物の多い環境での流体シミュレーションに非常に有用であることが示唆されました。具体的な応用例としては、森林火災の煙やパイプ内の流体の流れ、水中・洪水時の流れのモデリングが含まれます。