1樓：substeps999999
湍流模式理論中雷諾應力的模化是經驗的，機器學習也是基於經驗的，那麼能不能用三維dns的結果作為訓練樣本來封閉雷諾方程呢？請看下文分解……
2樓：桐原
如果用機器學習代替傳統CFD模擬來做乙個簡單的Case（四邊形模擬房間，左上進口右下出口），用二維結構網格中周圍八個點的資料(流場中的點)，通過機器學習的方法訓練得到中間乙個點的資料，以此通過大量訓練，用機器學習的方法，在知道進出口速度(壓力)的前提下可以得知流場中的速度場(或壓力場)。
對我所提到的這個思路，不知是否有人已經做過類似的研究，發表過相似的文章？
3樓：ruster
首先吧，托卡馬克大破裂是不是湍流問題。。。。有定論嗎？甚至托卡馬克本質是不是個流體問題？
（托卡馬克工作中快粒子是很重要的乙個部分，而正常流體中根本不能有這個東西，兩者完全不相容）。
其次。。。你想解決的到底是什麼問題呢？類似人類讀圖模式？
看當前磁場位型判斷這東西能不能破裂？或者以無破裂為要求來設計磁場和等離子體位型？前者或許能實現，後者。。。
機器學習能設計出一種新的發動機原理嗎？
4樓：靖海
對於CFD來說，機器學習可以在以下方面有作用：
理解建模
優化控制
詳見：https://
arxiv.org/pdf/1905.11075.pdf
5樓：海盜船清潔工-9135
本來是找答案的，沒想到看了如此之多不懂裝懂還沾沾自喜的回答。
這有一篇arxiv.org/abs/2010.08895用神經網路解偏微分方程的例子，其中就有納薇斯托克斯方程。無論求解精度和速度遠勝傳統方法。
用ML研究成果解決複雜流體力學問題是乙個非常重要的研究方向，尚在研究初期，比較容易出成果。
6樓：懶得想
另一種是針對雷諾應力的anisotropic feature 進行統計建模手機上沒有參考文獻回頭有時間補上
直接去做end2end的比較少本身就是個Chaos system
僅為個人見解
7樓：子皿
最近看到的乙個文章
8樓：彩筆熊貓
理論上可以
但是求解精度會由於樣本空間過於嘈雜遠沒有DNS來的精準
不過話又說回來了，現在一票的正在用的湍流方程裡面不也都是經驗公式和引數，以前的科學家幹的算不算是人工機器學習
9樓：陳與論
當然是可以的，機器學習的本質還是一種統計方法，不要神話他，也不要低估他。做湍流模型需不需要統計學？當然需要，那麼用高階的統計方法就是一種很自然的選擇。
恐懼和神話機器學習，本質上還是不懂機器學習。
我在這個方向貢獻出了6年的寶貴青春，對看到這個問題的弟弟妹妹們說點別的：
科學是美的，也是殘酷的。當你認為科研成果觸手可及的時候，往往會低估你將要付出的代價，以及高估了未來的預期收益；
人最寶貴的是生命，其次是青春。乙個出身普通的人實現階層躍遷，主要在20-30歲這段時間，不要輕易投入乙個收益不確定的事業上；
如果乙個課題有巨大的賺錢價值，那麼永遠輪不到大學來研究他，工業界自有一套研究班子，人家不比你笨；
學位並不會給你帶來階層躍遷。我們生活在乙個資本主義的世界，劃分階層的方法只有乙個，就是資本，其他都是虛的；
人類社會是一台精密構造的儀器。任何科研問題，只要不涉及利益，就可以做得自由自在，想怎麼做就怎麼做；一旦涉及利益，你就會發現，大部分路子都已經被周密地堵死了；
在科研界做出了再大的貢獻，你也還是個普通人。你是爸媽的孩子，是女友的依靠。沒錢吃飯你會餓，得了重病你會死。
不要被科研童話欺騙過深。做科研要是真有那麼神聖，寫故事的人怎麼自己不去做科研？
10樓：無崖子
機器學習可以在工程層面改善人類的生活，和流體力學交叉，產生新的技術和產品，但不會對流體力學有太大的改進。
流體力學進步最快的時候，反而是cfd出現之前，那時候，數學和力學高度融合，產生了很多理論的飛躍。機器學習最多是一種手段，跟觀測一樣，去發現一些新的機理和線性。
11樓：LEX
我不知道我說的這些算不算ML
我知道的data-driven典型的有DMD 文章太多了變種也很多也有些physics介入糾正的data driven 比如 POD-Galerkin
有的時候精度雖然有限但是可以用來加速迭代不止能用來處理CFD， 用來處理neutron transport/diffusion和一些其他的transient system也可以
12樓：Fishbat627
給定乙個特定的小問題：固定geometry的流場/反應，可以先學習然後加速一般的simulation。但是你必須先有乙個/多個DNS類似的case提供學習。
或者採用physical informed learning把pdf加入到cost function，但是這樣訓練出來的也只適用於給定IC，BC的問題。改下ICBC，結果就可能很大不同。
對於寬泛場景，訓練乙個model打全部，不太可能。
最後，我已經覺得cfd是magic了，你再加個骰子 QAQ但是ML還是要做下去的，說不定我哪天就開發了個黑魔法
13樓：蕭憶南
以上同學的回答，都無法完全贊同。針對ML是否可用於CFD，我認為得分兩種方式進行思考。
其一是工程應用方面。顯然，有可能完成。雖然有些專家已然成功的得出一些結果，但是由於精度與收斂的問題尚未被證明，因此如果是RANS的結果樣本，精度不會超過RANS求解，精度是否滿足要求尚未可知。
除此以外，對於複雜曲率邊界條件下的流場資訊樣本測度也是問題。因此，離工程的實際應用還有很大的距離。
其二是理論研究方面。如針對渦結構、激波結構、激波邊界層干涉等等。這些理論方面研究，其主要的特點是求解NS方程組。
然而，用機械演算法求解PDEs，目前尚無完整的理論支撐。因此，目前，很遺憾，尚無法利用機械學習做任何流場的研究工作。
另外，機械學習方法目前研究已經非常深入了，隨著時間的推移，是否可以利用ML求解CFD問題還是值得期待的。
14樓：JC Chen
目前確實有老師在嘗試用ML來解決一些流體相關的問題，但是目前的進展都比較初步，而且在和我相關的領域下用ML解決的流體問題大多不是理想流體問題，而是和實際比較相關的複雜流體問題。
比如我知道有乙個老師現在在嘗試用機器學習的方法來研究極地中海冰的碰撞，碎裂，融合，以及和海水流動的關係。。但是目前據我所知這些問題還處在研究和嘗試的階段。
我看之前回答的答主裡很多都提到了機器學習的精確性的問題。誠然，理論上（注意僅僅是理論上）如果我們擁有無窮盡的計算資源，極優的DNS演算法，那麼做DNS肯定是精度最高的。但是目前DNS還是僅僅停留在解決理論問題上（邊界非常簡潔，計算尺度很小），距離實際應用，尤其是複雜流體系統（比如海洋）中的應用還有比較大的距離。
但是科學家可並沒有時間來等著計算機軟硬體的發展來解決實際問題，兩百年來的流體問題絕大部分也不是要等計算資源的發展才解決的。那在現有的計算資源和演算法的情況下，對於複雜流體問題，近似演算法和機器學習仍不失為一種好方法。
在科學界，機器學習還有乙個非常嚴重的問題，就是如何用科學的思維來理解機器學習得出的結果。ML最強大的地方之一就是在模擬的海量的資料中找出規律，但是這並不代表它找出來的規律就有物理意義。所以有人就在研究給ML加很多物理的限制，簡單的有使其滿足守恆律，或者要求它包含某些肯定會有的物理過程等等。
但是即便如此，理解ML的結果還是一件很難的事情。
所以一句話的答案是：理論上可行，對複雜流體的研究有優勢，現實中也有人在做，但是總體比較初步，需要理解資料的結果和物理意義的關係。
15樓：「已登出」
ML是他山之石，但終究是輔助。基礎資料的精度決定了ML的可信度上限。
計算量大，中期可以靠提高演算法效率緩解，可以靠ML緩解，但歸根結底還得依靠計算能力的提公升。所以並行是未來，量子計算是未來。
16樓：
有一說一，機器學習演算法遠不能解決CFD。
倒是GPU的發展對CFD有很大的幫助，尤其是需要大量耦合啊，追蹤啊什麼的（學長說N廠的卡本身就是為industry渲染的時候粒子追蹤什麼的設計的）
還有就是計算量大難道不是發展更好的超大超稀疏矩陣的演算法嗎？
17樓：SxxxxLxx
參考今年Annual Review of Fluid Mechanics關於ML的應用。。。
Machine Learning for Fluid Mechanics
18樓：喵小皮
首先要有大量類似的cfd結果資料可供學習，可是流體力學的應用場景無窮無盡，即使幾何模型一樣，邊界條件也是變化無窮。
不像人臉識別，語音識別，變數就那麼幾個，而且變化區間也不會太大。
所以，我覺得不太可能。另外，這東西怎麼在數學上證明，兩者是等價的？
19樓：雨嵐
的確是見過文獻利用ml計算cfd的問題。
比如這篇，本人也是在摸索學習所以也看的不是很明白。大概就是以Maxey-Riley equation的基礎上，弄了乙個reduced-order慣性公式，隨後用神經網路做了個加法。
但即便如此，用ml解決cfd的問題仍然要結合原始的物理公式等方法。現在我還沒見到過純ml的模擬。
20樓：秋葉舞風情
可以，托克馬克裝置裡面我不了解，但實際上有很多ML跟流體結合的。
一種是普通的優化設計類，改變一些邊界條件，然後做實驗或者CFD看結果進行優化設計，國內做的特別多。
另外還有一種是我覺得可行的是反算，比如算室內自然對流，在房間內設定幾十個感測器，根據這些空間上點的速度、溫度、壓力分布，來計算邊界條件，計算的時候ML梯度求解是跟連續方程、N-S方程耦合起來的，結果非常好。
兩者區別在於後者是滿足物理的。
流體力學中為什麼要引入渦量？
侯維 我的理解 1.在2D情況下可以直接用vorticity equation證明existence and uniqueness 2.有些時候vortices代表了一種coherent strucuture，並且在勢流裡很常用，比如point vortex method 3.另外在勢流裡，基本上所...
化工學生搞計算流體力學如何？
已登出 你要是偏到純CFD，那基本人沒了。CFD大部分時候只是乙個設計工具。純CFD的工作很少，大部分都是應用CFD做XX設計。這些XX設計崗，CFD只是作為一項充分不必要的技能。你自己思考下。 IMpossible 首先，現在招收做CFD的企業裡對學歷的最低要求是碩士畢業，還得是你有一定的關係，院...
計算流體力學 離散小的概念問題
齊家興 這兩個方程表達的物理現象不一樣。尤拉方程是假設流體無粘度的簡化了的NS方程。伯努利方程是更進一步的簡化 雖然現實世界中沒有無粘度的流體，但是一些粘度很小或者粘度不起主要作用的流體問題，可以套用比較簡單的尤拉方程但得到比較準確的解。殺雞焉用牛刀？離散是乙個數學的過程，它不考慮方程背後的物理意義...