西工大智能流體力學(xué)人工智能研究取得新進(jìn)展

近日，西北工業(yè)大學(xué)航空學(xué)院張偉偉教授團(tuán)隊(duì)將Transformer網(wǎng)絡(luò)架構(gòu)運(yùn)用到航空器翼型的流場快速預(yù)測研究中，極大提升了流場建模和設(shè)計(jì)效率。相關(guān)研究成果以《Fast aerodynamics prediction of laminar airfoils based on deep attention network》為題在線發(fā)表于國際流體力學(xué)知名期刊《Physics of Fluids》。該論文被選為當(dāng)期的主編推薦特色文章，并被美國物理聯(lián)合會《科學(xué)之光》進(jìn)行了專訪報道。西北工業(yè)大學(xué)航空學(xué)院2021級博士生左奎軍為該論文的第一作者，西北工業(yè)大學(xué)航空學(xué)院張偉偉教授和中國空氣動力研究與發(fā)展中心的袁先旭研究員為該論文的共同通訊作者。

論文圍繞深度學(xué)習(xí)與空氣動力學(xué)交叉融合進(jìn)行研究，創(chuàng)造性地將在自然領(lǐng)域被廣泛使用的transformer網(wǎng)絡(luò)架構(gòu)用于翼型的幾何編碼任務(wù)，發(fā)現(xiàn)transformer網(wǎng)絡(luò)架構(gòu)針對不同的翼型均表現(xiàn)出較強(qiáng)的幾何泛化性，且與卷積神經(jīng)網(wǎng)絡(luò)等模型相比幾何可解釋性更強(qiáng)。同時，進(jìn)一步將幾何特征、雷諾數(shù)、攻角等物理信息進(jìn)行了融合編碼，構(gòu)建了融合特征與待預(yù)測流場之間的映射關(guān)系，為發(fā)展高效的基于數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)流場預(yù)測方法提供了新解決思路。