西工大张伟伟教授：智能流体力学研究的进展作者丨张伟伟整理|杏花编辑

文章图片
【西工大张伟伟教授：智能流体力学研究的进展】作者丨张伟伟
整理|杏花
编辑|青暮
作为科学发现的第四范式的代表，人工智能已取得令人瞩目的进展，在蛋白质结构预测和博弈等诸多任务中表现出色。当前，大规模科学与工程计算朝着更高精度，以及与人工智能深度融合的方向发展，这可能带来加速科学发现的全新计算范式。
2021年12月16日，西北工业大学航空学院副院长，教育部长江学者特聘教授，流体力学智能化国际联合研究所中方负责人在CNCC2021“人工智能在超大规模科学计算领域的应用探索”专题论坛上做了《智能流体力学研究的若干进展》的报告。
张伟伟教授在报告中提到，湍流模型机器学习方法和湍流数据同化方法，将摆脱对传统湍流模型的依赖，实现飞行器高雷诺数湍流场的高精度求解。
针对飞行器大攻角动态失速特性预示，试飞风险大、仿真模拟算不准的困境，张教授及其团队提出风洞动态数据和非定常流动模拟的智能融合方法，将解决飞行器机动飞行的高精度仿真与控制律设计难题。他们建立了基于大数据的复杂流动控制方程识别方法，为燃烧、多相流、多场耦合等复杂工程问题的数学表征提供新的解决方案。
最后，张伟伟教授总结道，通过机器学习方法，利用数值模拟和实验产生的流动大数据，发展智能流体力学，将成为流体力学发展的新范式。
以下是演讲全文， AI科技评论做了不改变原意的删改：
今天给大家汇报的题目是《智能流体力学研究的若干进展》，相关工作也是在刘溢浪、王旭、朱林阳、曹文博、高传强、寇家庆等成员的共同努力下完成的。
汇报分为四个部分：首先是研究背景，以流体力学为例，人类对自然科学的研究手段可以划分为理论分析、数值方法和实验技术。

文章图片
理论分析依赖于人脑，包括解析解、理论模型和标注律等，数值方法则包括高精度的数值格式和高效的求解方法。
实验技术对流体力学来说就是先进的流场测试和诊断技术。
由于理论解析方法的一些局限性，对复杂的问题，人们很难通过理论方法求解。所以，从上世纪七八十年代开始，计算机水平的提升和实验技术的发展，比如计算流体力学和实验流体力学的发展，推动了我们对流体力学相关问题的认知。
在新时代到来之际，不管是数值计算还是实验研究，都产生了海量数据。利用人工智能技术，通过机器学习方法来缓解人脑在理论和方法方面的一些局限性，已经形成了流体力学研究的新方向。
在这方面，我们团队在近几年做了一些工作，主要包含以下三个部分。

文章图片
其中第一部分可以归结为，包括流体力学方程推导的机械化，即智能化推导方程。也包括流体力学里最经典的物理问题——湍流建模的机器学习方法，这应该是流体力学领域现阶段最热的研究方向之一。此外，这一部分还包括流体物理量纲分析，标度的智能化，以及数值模拟过程中的智能化。
第二部分包括。流动本身就是一个大数据问题，包括流动的特征表征，如旋涡、间断、附面层等，以及海量流场信息的数据挖掘。还包括面对设计过程中不同阶段、不同来源的数据，如何综合利用这些数据，发展智能融合的方法。