購買須知
盜版必究
課程內容介紹
直播背景：
近年來，隨著人工智能技術的迅猛發展，深度學習與物理建模的融合正在重塑傳統計算科學格局。特別是在流體力學與多孔介質滲流模擬領域，面對微觀結構復雜、參數不確定性高、傳統數值方法計算成本昂貴等問題，基于數據驅動或物理引導的深度學習方法展現出前所未有的潛力。
本課程旨在幫助科研人員與工程從業者深入理解這一交叉前沿，掌握深度學習在流體模擬中的應用思路、建模方法與工程實踐技巧，探索從“物理公式”到“智能預測”的新范式。
直播目的：
理解深度學習在流體力學與滲流建模中的優勢與局限；
掌握微觀結構數據處理與多孔介質建模的關鍵技術；
了解Physics-Informed Neural Networks (PINNs)等前沿方法在物理建模中的實際應用；
拓展科研與工程問題中的AI建模思維，提升跨學科解決問題的能力。
直播大綱：
前沿趨勢與挑戰概述
微尺度流動模擬中的難點與需求
深度學習如何賦能傳統流體模擬
流體力學中的AI建模框架
數據驅動建模 vs. 物理引導建模
卷積神經網絡（CNN）、圖神經網絡（GNN）在滲流模擬中的案例介紹
Physics-Informed Neural Networks (PINNs)
基本原理與結構解析
在多孔介質滲流與裂縫流動中的應用舉例
微觀結構構建與圖像處理方法
從CT圖像/圖像生成重建孔隙結構
數據集構建與預處理方法
案例分析與實操分享
AI輔助頁巖氣孔隙流模擬
智能建模在碳封存與地熱中的應用前景
問答與交流
實際研究/工程中遇到的AI建模難題現場答疑
與講師互動交流思路與方法
