深度學習驅動的流體力學計算
關于舉辦“深度學習驅動的流體力學計算與應用”實戰培訓會議的通知
一、背景：
在深度學習與流體力學深度融合的背景下，科研邊界不斷拓展，創新成果層出不窮。從物理模型融合到復雜流動模擬，從數據驅動研究到流場智能分析，深度學習正以前所未有的力量重塑流體力學領域。近期在Nature和Science雜志上發表的深度學習驅動的流體力學方面的論文主要集中以下幾個方面：
1、深度學習與物理模型的融合：構建物理增強的深度學習模型，將流體力學的控制方程、邊界條件等物理規則內嵌于模型中，以提高模型的準確性和物理一致性。
2、復雜流動現象的模擬與預測：深度學習被應用于模擬湍流、多相流等復雜流動現象，利用其強大的表征學習能力揭示傳統數值方法難以捕捉的流動復雜性。
3、數據驅動的流體動力學研究：深度學習可以從海量流體數據中挖掘流動的內在規律，為實際工程應用提供數據支持。
4、流場特征的自動識別與分析：深度學習架構能夠有效從流體數據中抽取關鍵特征，應用于流場預測、流動優化、流場可視化等多個領域，極大地提升了流體問題的分析效率和精度。
5、深度強化學習在流體控制中的應用：深度強化學習被應用于流體控制系統設計，如優化飛行器空氣動力學性能，展現了其在解決實際工程問題中的巨大潛力。
6、開源軟件與工具的發展：伴隨深度學習在流體力學研究中應用的普及，相關的開源軟件和工具為科研人員提供了便捷的平臺，簡化了深度學習模型的實現與應用過程，加速了研究成果的轉化。
為促進科研人員、工程師及產業界人士對深度學習在流體力學領域應用的技術掌握，北京軟研國際信息技術研究院特舉辦本次專題培訓會議，承辦方互動派（北京）教育科技有限公司，會議會務合作單位為北京中科四方生物科技有限公司，具體相關事宜通知如下：
二、適用人群：
流體力學相關領域的科研人員，航空航天、船舶制造、能源工程、石油化工、環境科學、水利水電等領域的工程師，工業自動化、機器人、智能制造等相關行業從業者，跨領域研究人員。
三、
課程大綱：
深度學習驅動的流體力學計算與應用
目錄
|
主要內容
|
機器學習與流體力學入門
|
一、
經典流體力學
核心要點：
1、
回顧經典流體力學理論，掌握NS方程的基本求解方法和模型
2、
探索流體力學在工業領域的多元應用
3、
運用開源軟件OpenFOAM進行流體計算模擬的基本操作
4、
流體力學求解模型認知(RNAS, LES)
實操環節：
基于OpenFOAM的矩形柱體LES模擬案例（經典案例數據與代碼提供給學員）
二、機器學習基礎與應用
核心要點：
1、
機器學習的基礎概念，熟悉并掌握一系列常見及經典的機器學習算法，為后續課程打下堅實基礎
2、
掌握運用Python語言進行流動數據的高效后處理。
實操環節：
1、
Python編程，為編程新手提供友好的入門指導
2、
展示機器學習在流體力學領域的實際應用案例。
3、
基于python語言的CFD數據后處理（數據與代碼提供給學員）
|
人工智能與實驗流體力學
|
三、實驗流體力學
核心知識點：
1、
掌握實驗流體力學的基礎知識，了解相關實驗設備。
2、
了解機器學習技術在實驗流體力學中的應用。
3、
掌握Python語言進行實驗數據的后處理，增強數據處理能力。
4、
風洞試驗
實操環節：
1、
展示基于PIV技術的流場數據獲取
2、
展示機器學習在實驗流體力學領域的應用案例。
3、
運用Python處理實驗數據（數據與代碼提供給學員）
四、人工智能與實驗流體力學（流場部分）
核心知識點：
1、
掌握實驗流體力學數據處理的先進方法
2、
了解并掌握GAN、DNN、CNN等深度學習技術在流場重構與預測中的應用。
實操環節：
1、
基于人工智能技術的流場預測與重構方法
2、
運用DNN技術進行流場預測（數據與代碼提供給學員）
五、人工智能與實驗流體力學（壓力部分）
核心知識點：
1、
深入了解人工智能技術在壓力預測領域的應用前景
2、
掌握UNet算法在壓力時序預測中的高效使用方法。
實操環節：
1、
基于人工智能技術的壓力預測方法
2、
運用UNet算法進行壓力時序預測（數據與代碼提供給學員）
|
人工智能與計算流體動力學
|
六、
人工智能技術與計算流體動力學
核心知識點：
1、
學習爬蟲技術在網頁數據獲取中的應用，掌握從開源網站獲取信息的技術
2、
熟悉民航機翼的空氣動力學性能分析
3、
掌握基于多層感知機(MLP)的氣動性能預測方法。
實操環節：
1、
基于爬蟲技術的網頁數據獲取流程
2、
基于深度學習的機翼氣動性能預測
3、
基于多層感知機(MLP)的民航超臨界機翼氣動性能預測（數據與代碼提供給學員）
七、時空超分辨率技術
核心知識點：
1、
了解時空超分辨率技術的基本原理與應用
2、
掌握人工智能技術在湍流時空超分辨率中的創新應用。
3、
深入理解深度學習與湍流超分辨率的耦合機制。
實操環節：
1、
基于LES/DNS湍流模擬的時空超分辨率研究
4、
基于深度學習的流場時序超分辨率處理（數據與代碼提供給學員）
|
深度強化學習學習在流體力學中的應用
|
八、深度強化學習（Deep Reinforcement Learning, DRL）
核心知識點：
1、
掌握深度強化學習的框架
2、
熟悉深度強化學習的常見算法及其應用場景。
3、
理解深度強化學習中動作空間與觀察空間的定義與應用。
實操環節：
1、
深度強化學習在翼型優化的應用
2、
基于深度強化學習的矩形柱體主動流動控制（數據與代碼提供給學員）
九、深度強化學習的工程實踐
核心知識點：
1、
掌握定義定義離散動作空間/連續動作空間的方法，提升算法設計能力
2、
學習深度強化學習在工程領域的實際應用，增強解決復雜問題的能力。
實操環節：
1、
耦合代理模型的深度強化學習在民航飛機外形優化中的應用
2、
運用深度強化學習進行離散動作空間/連續動作空間的優化（數據與代碼提供給學員）
|
課程互動與答疑
|
1、
回顧實踐案例課程內容，鞏固所學知識、通過答疑加深對知識點的理解與掌握
2、
前沿文獻的解讀，如SORA技術、風烏技術等，了解人工智能技術在流體力學領域的最新進展，保持學術前沿性。
|
四、課程講師： 來自全球頂尖大學香港科技大學，博士，具有豐富的流體力學工作經驗，包括實驗流體力學，計算流體動力學(CFD)，近年來發表論文10余篇，申請專利三項。擅長領域：流體力學與人工智能的交叉科學，流場預測與重構，AI for CFD， 深度強化學習的氣動優化。
五、課程特色：
1、前沿技術深度聚焦：結合大量實戰案例與項目演練，聚焦人工智能技術在流體力學領域的最新研究進展。
2、全方位技能提升：涵蓋經典流體力學、機器學習、深度學習、實驗流體力學、計算流體動力學、時空超分辨率、深度強化學習等核心知識，全方位提升您的流體力學計算與應用能力。
3、專業優質資源：提供豐富案例數據與代碼資源，確保學習效果與實踐體驗。
六、培訓時間：
2024年5月25日--5月26日 在線直播（授課兩天）
2024年5月31日--6月02日 在線直播（授課三天）
七、課程費用：
￥4900元/人
2024年04月30日前報名繳費可享受200元早鳥價優惠
費用提供用于報銷的正規機打發票及蓋有公章的紙質通知文件。
北京中科四方生物科技有限公司作為本次會議會務合作單位，負責注冊費用收取和開具發票。如需開具會議費的單位請聯系招生老師索取會議邀請函；
八、增值服務：
1、凡參加學員將獲得本次課程所有案例模型文件；
2、課程結束可獲得本次所學專題全部回放視頻；
3、參加課程并通過試的學員，可以獲得：主辦方北京軟研國際信息技術研究院培訓中心頒發的《深度學習流體力學計算與應用工程師》專業技能結業證書；
九、如何報名、繳費？
1. 致電專門負責行政招生的老師報名，聯系方式見下方“第十條”。
2. 填寫下方附件報名回執表發送到專門負責行政招生工作的老師。
3. 繳費支持公對公轉賬、個人墊付（對公到賬及時退還墊付費用，可開具墊付證明）。
十、聯系方式：
官方聯系人:科宇老師 電話：13520456594 微信：pray5186
官方座機：010-56245524 官方網址：www.hdpaii.com
【注】開課前一周我們會統一通知報到及注意事項，如未收到請及時聯系工作人員。
工程師必備
- 項目客服
- 培訓客服
- 平臺客服
TOP
