新闻动态

（通讯员/曾军胜 郑钦敏）3月26日至29日，由中国工业与应用数学学会主办，北航国新院、北航航空科学与工程学院及CSIAM数学与航天交叉学科专委会联合承办的流体力学中的数据驱动与数字孪生方法研讨会在杭州成功召开。此次会议汇聚了来自国内学术界和工业界的40余位知名专家，共同探讨数据驱动与数字孪生技术在流体力学领域的前沿应用和未来发展趋势。

开幕式上，会议主席、北京航空航天大学航空科学与工程学院田保林教授代表潘翀院长致辞，向与会专家表示热烈欢迎和诚挚感谢。田保林教授指出，本次会议旨在为流体力学领域的前沿数据驱动与数字孪生方法搭建交流平台，鼓励与会青年学者与专家充分讨论、碰撞出新的思想火花，为破解复杂流动问题提供创新思路。

会议期间，多位专家围绕各自领域的最新研究进展进行了报告分享和深入探讨。报告内容涵盖流场智能预测、湍流建模、高超声速流场降阶模型、跨流域多尺度气动模拟等多个热点方向。与会专家一致认为，作为第四研究范式的数据驱动AI方法在揭示流体力学新机理、新问题中具有巨大潜力，为未来航空航天及相关工程领域的技术创新提供了新思路和方法支持。

27日上午，南京航空航天大学吕宏强教授回顾了团队20余年来在“AI for Science”与“AI for Engineering”领域的探索，报告《部分AI for science and engineering》涵盖了流场智能预测、结构识别、网格智能化技术以及水上飞机载荷预测、声爆数据智能分析和高阶激波捕捉，阐释了AI+数据生成、代理模型和网格自适应等关键技术面临的挑战。上海交通大学李伟鹏教授针对航空飞行器低阻力与低噪声设计中遇到的高维参数化与庞大计算需求，提出了嵌入FFD-PAC生成对抗网络、Decoder-DeepONet算子神经网络和Resolvent-DeepONet网络构架，在《机器学习辅助气动与噪声一体化设计初探》的报告中展示了这一创新路径。中国计量大学于明州教授在其《Numerical Methods for Resolving Polydispersed Particle-Laden Flows》报告中，详细介绍了利用泰勒级数展开矩方法（TEMOM）结合Radial Basis Function求解多分散颗粒流问题的数值策略，论证了该方法在经济性与普适性方面的优势，为复杂粒子系统建模提供了全新思路。中国空气动力研究与发展中心刘大伟主任解析了高雷诺数试验中复杂流动结构模拟的难题，其《高雷诺数地面试验模拟的数智化研究进展与展望》报告展示了利用多源数据驱动神经网络与半实物仿真平台提升气动特性建模精度的先进应用，并对流场重构与平行试验的未来进行了展望。

南方科技大学万敏平教授提出了融合激光雷达测量与物理信息神经网络（PINN）的风场重建方法，该方法在《基于机器学习的三维时空风场重建研究》中实现了动态流场的高精度重构，并通过实测验证展示了在风力发电、航空航天及气象预报领域的广泛应用前景。西北工业大学潘书诚教授针对高超声速流动中的激波与分离问题，提出了控制方程约束的Galerkin-POD降阶模型及自适应采样策略，其报告《高超声速飞行器流场的快速预测数据驱动降阶模型》展示了该方法在提高预测精度与计算速度上的显著成效，为高超声速飞行器设计提供了新技术支持。中航工业气动院张戈副部长以《人工智能赋能航空空气动力学——创新探索与前沿思考》为题，分享了机器学习与数字孪生技术在气动性能预测、表面压力系数分析以及流场重构中的综合应用，探讨了数字孪生与大数据深度融合对传统风洞试验模式变革的推动作用。清华大学张宇飞教授介绍了利用流场反演、符号回归及数据驱动输运方程构造新型湍流模型的创新方法，其报告《基于数据驱动的可解释可推广湍流建模研究进展》为改进传统RANS模型提供了既具可解释性又易推广的建模方案。北京航空航天大学张俊教授针对宽速域与大空域飞行设计的挑战，提出了统一随机粒子方法和数据驱动推导宏观控制方程的技术路线，相关内容在《跨流域多尺度气动模拟与数据驱动建模》报告中得到了详细阐释，展示了在解决稀薄气体和多尺度效应问题上的突破性进展。

△上排依次为：田保林教授、吕宏强教授、李伟鹏教授、于明州教授、刘大伟主任；

下排依次为：万敏平教授、潘书诚教授、张戈副部长、张宇飞教授、张俊教授

27日下午，浙江大学高琪教授探讨了深度学习与流体力学跨领域融合的多种可能性，其《AI智能体和流体力学的结合》报告中从流场数据解析到混合仿真系统构建，展现了构建具备自主决策能力智能体集群的重要作用。南京航空航天大学董昊教授聚焦高超声速逆向喷流和边界层转捩问题，在《基于深度学习的高超声速复杂流动智能预示技术》中引入了基于VQVAE2和物理约束损失的流场预测模型，取得了激波结构与涡转捩特征精准重构的突破。上海交通大学温新教授针对实验测量数据稀疏的问题，通过压缩感知、物理神经网络和小波技术等多种手段实现数据重构，其在《稀疏数据融合研究及流动控制应用》中展示了实时数据同化在飞行控制中的实际应用成果。中国船舶科学研究中心王文涛研究员以《船舶水动力学中的数据驱动与智能技术应用探索》为题，阐述了利用大数据进行船舶阻力性能快速预测、船型高效优化以及智能船舶自主避障与靠离泊控制的前沿技术，展示了数据驱动方法在解决高雷诺数湍流与非线性波浪问题上的独特优势。北京应用物理与计算数学研究所申昊副研究员通过《物理与数据驱动的内爆设计评估优化模型》，展示了融合人工智能与物理认知的内爆设计评估方法，利用实验数据提升数值模拟置信度，为激光惯性约束聚变内爆设计优化提供了有力技术支持。

西安交通大学陈刚教授在《复杂流动数据驱动建模与智能预测方法研究进展》中分享了定常与非定常流动、复杂三维流场建模以及流固耦合机器学习模型的最新研究成果，同时介绍了变形翼降阶模型在智能预测中的初步应用探索。浙江大学蔡声泽教授针对双帧粒子匹配与全局流场反问题计算的挑战，提出了基于深度学习的粒子图像测速及物理启发式神经网络方案，并在报告《复杂流场环境的智能建模与控制》中结合强化学习实现智能体导航控制，展现了多层次技术融合的优势。上海大学王伯福教授介绍了基于DenseNet、ConvLSTM、自编码网络与循环神经网络构建的混合神经网络模型，在《基于混合神经网络的流动预测方法》中实现了单点预测、二维及三维流场重构与稀疏数据映射，证明了多模型组合在提高预测准确性和效率方面的显著效果。中山大学莫梓伟副教授通过《面向低空经济的城市大气流场研究：湍流特征、模拟预测与路径规划》，详细阐述了城市低空大气流场中风场与湍流特性的精细模拟，并结合降阶模型和机器学习算法实现了快速重构，探讨了低空飞行安全评估与路径优化的策略。上海张江数学研究院许鹏博研究员利用全球与局部模块并行结构开发的区域天气预报模型YingLong，在《YingLong-weather: A Study of Data-driven Limited Area Model for Weather Forecasting》中展示了在温度、湿度和风速预测上与传统模式相当的表现，并大幅提升了运行速度，提出了全新的数据驱动区域气象预报技术路径。

△上排依次为：高琪教授、董昊教授、温新教授、王文涛研究员、申昊副研究员；

下排依次为：陈刚教授、蔡声泽教授、王伯福教授、莫梓伟副教授、许鹏博研究员

28日上午，南方科技大学王建春副教授在报告《面向湍流长期预测的神经算子建模方法研究》中，介绍了针对三维湍流这一多尺度、非线性复杂系统开发的三种神经算子（FNO、TNO和PINO），通过时序递推设计将当前流场状态映射为下一时刻状态，并展示了该方法在各向同性、自由剪切、槽道及周期山流动测试中的高精度和高效率。中国科学院力学研究所杨晓雷研究员 给出了《分离湍流的“多点嵌入学习”大涡模拟壁模型》报告，阐述了如何利用多点流动信息和深度神经网络构建近壁流动与壁面切应力的映射关系，同时结合集合卡尔曼方法对模型参数进行优化，从而实现附着流和分离流壁面建模的统一解决方案。上海交通大学许志钦副教授 在《通过凝聚现象理解语言模型的推理与记忆》报告中，从现象驱动的角度探讨了神经网络中同层神经元的凝聚效应及其对模型有效复杂度的影响，并介绍了如何利用多尺度采样方法训练神经网络以加速燃烧化学反应，揭示了参数初始化对推理与记忆的重要作用。中国航天空气动力技术研究院许亮研究员通过报告《可压缩多介质流Riemann问题物理增强神经网络建模与界面模拟》，展示了嵌入物理约束的神经网络求解策略，该方法通过构造合理的样本特征分布和范围优化模型适用性，为可压缩多介质流体耦合及复杂界面演变问题提供了快速精准的解决方案。北京理工大学任杰教授在《数据驱动的流动稳定性分析和转捩预测》报告中，探讨了利用有限测量或流动可视化数据结合多种机器学习算法（如CNN、LSTM、Transformer等）建立边界层转捩预示模型的思路，为构建多机理转捩预测模型搭建了理论与实践的桥梁。

浙江大学夏振华副教授给出了《可压缩槽道湍流的平均剖面预测》报告，提出了一种基于可压缩壁湍流速度变换和中心温度半经验公式的反演方法，实现了对平均速度、密度和温度剖面的快速预测，并探讨了该方法在可压缩管流中的推广应用。西北工业大学徐家宽教授在《工程设计中的若干转捩-湍流难题及其虚拟仿真建模研究》报告中，分享了在工程实践中遇到的转捩与湍流问题（如飞行器起降分离流、发动机内流等）及其数据驱动虚拟仿真建模解决方案，并对未来高可信度虚拟仿真系统的发展方向提出了展望。中国科学院数学与系统科学研究院于海军研究员通过报告《OnsagerNet: A thermodynamically consistent deep model reduction method for complex dynamical systems》，介绍了结合深度学习与广义Onsager原理寻找低维模型的结构化方法，所得到的降阶模型数学上严谨且物理上可解释，并展示了在确定性和随机性动力系统中的应用数值结果。华南理工大学杨延年副教授在《数据驱动的旋翼性能预测》报告中，针对无人机旋翼中桨尖修正模型及气动载荷与噪声预测问题，利用CFD数据建立普朗特修正模型，并结合神经网络构建流场与载荷、噪声映射，实现了对旋翼性能的高精度数据驱动预测。北京航空航天大学王文康副教授给出了《湍流边界层-多孔界面耦合机理与优化控制》报告，利用数据驱动的因果推断和高维参数优化方法提出了新的湍流边界层与多孔界面耦合机理解释，并为基于多孔界面的湍流控制提供了一种全新的优化技术路线。

△上排依次为：王建春副教授、杨晓雷研究员、许志钦副教授、许亮研究员、任杰教授；

下排依次为：夏振华副教授、徐家宽教授、于海军研究员、杨延年副教授、王文康副教授

28日下午，兰州大学胡锐锋教授在《近壁内外湍流运动的因果分析与数据驱动预测模型》报告中，通过传递熵和信息流方法定量揭示了壁湍流内区与外区运动之间的相互影响，并结合Unet与ConvLSTM网络构建了内区流场预测模型，为条纹-涡再生机制及多尺度自持过程提供了新的定量分析手段。西北工业大学寇家庆教授以《飞行器非定常流场的机器学习方法研究》为题，阐述了利用多源流场大数据构建低维非定常气动力模型、流场模态分解和迁移学习数据融合的方法，有效缓解了传统非定常气动力计算在精度和效率上的矛盾，推动了飞行器气动弹性分析的发展。中国空气动力研究与发展中心陈曦副研究员在《基于算子分析的高速三维边界层转捩研究面临的挑战》报告中，探讨了利用模态与非模态算子分析方法解决高速三维边界层转捩问题所遇到的“维度诅咒”和低秩假设风险，并展望了算子分析与数据驱动相结合的未来研究前景。上海交通大学何创新副教授给出了《数据同化湍流重构与预测方法》报告，通过结合数值模型先验信息与实验测量，实现了高维三维湍流的精准重构，并揭示了壁湍流模态同步机制，为能源装备和高速飞行器研制中的气动力预测提供了高效解决方案。北京航空航天大学曾军胜副教授在报告《颗粒两相流数值模拟及高效代理模型研究》中，针对高速可压缩流体-颗粒两相流动的多尺度特征与跨流态行为，提出了基于网格自适应和数据驱动代理模型的方法，为发动机吞砂/吞冰、粉尘卷扬、水力携砂等工程问题提供了潜在基于数据驱动的快速预测方案。

哈尔滨工业大学（深圳）邓楠助理教授利用数据聚类技术，在《基于数据聚类的非定常流动降阶建模与控制方法》报告中展示了如何通过对时序流动数据进行压缩与局部模型拼接，构建并优化聚类网络模型，并设计实时反馈控制策略，实现对复杂流动的有效降阶与控制。天津大学唐湛棋副教授 在《湍流边界层多尺度信息熵实验研究》报告中，提出了利用多尺度信息熵对湍流边界层尺度调制进行表征的方法，通过信息传递解析多尺度相互作用机理，为基于尺度作用发展湍流预测模型提供了新的实验视角和理论依据。北京航空航天大学范德威副教授给出了《基于数据驱动的湍流射流混合控制研究》报告，通过结合线性遗传编程与遗传算法构建混合人工智能控制系统，成功发现了“拍打+旋转”式湍流结构，并建立了多控制变量归一化理论，实现了对射流混合控制效果的显著提升。中国科学院力学研究所孟宝清副研究员在《高速冲击含缺陷颗粒群变形及高温区形成机理》报告中，利用离散元方法构建颗粒弹塑性模型，系统分析了冲击下颗粒群的塌缩、温升与耗散传热过程，揭示了跌落与激波冲击条件下关键高温区的形成机制，为炸药颗粒群安全性评估提供了深入的理论支持。北京航空航天大学郑钦敏副教授在《基于生成对抗网络高保真度重建大面积破损湍流场》报告中，提出了一种结合物理约束、快速傅里叶卷积模块和PatchGAN判别器的生成对抗网络框架，实现了对大面积破损湍流场的高保真度重建，确保了重建流场在多尺度结构上的一致性与精确性。

△上排依次为：胡锐锋教授、寇家庆教授、陈曦副研究员、何创新副教授曾军胜副教授；

下排依次为：邓楠助理教授、唐湛棋副教授、范德威副教授、孟宝清副研究员、郑钦敏副教授

闭幕式上，田保林教授再次对所有与会专家表示诚挚感谢，并希望青年学者与参会专家今后能继续保持紧密交流与深入合作。经过两天紧凑而充实的会议研讨，与会专家一致表示，数据驱动的AI方法作为研究流体力学新机理的重要工具，将在未来的科研与工程应用中发挥越来越重要的作用，为推动流体力学及相关领域从经验驱动向智能化、精准化转型注入新的活力。

（审核：董卓宁 陈龙飞 林贵平）

编辑：谢雨倩