题 目：基于机器学习的湍流模拟方法研究进展
报告人：王建春 南方科技大学
时间：2025年5月29日星期四下午13:30
地点：上海大学延长校区力学所200学术报告厅
专家简介
王建春，南方科技大学工学院力学与航空航天工程系，副教授。在2007年和2012年毕业于北京大学工学院，分别获得学士学位和博士学位。2012年至2016年分别在北京大学、普林斯顿大学和名古屋工业大学开展博士后研究工作。2016年9月入职南方科技大学力学与航空航天工程系。主要研究方向包括湍流的数值模拟和流动机理、基于机器学习的湍流模拟方法等。主持了3项国家自然科学基金项目。在Journal of Fluid Mechanics等领域内主流期刊上发表了120多篇学术论文。
摘要信息
在湍流的大涡模拟问题上，探索了基于机器学习的改进方法。针对传统亚格子模型精度不足的缺点，发展了基于人工神经网络的非线性代数模型、空间梯度模型和反卷积模型，以及基于伴随同化策略和集合卡尔曼滤波的亚格子模型优化方法。针对传统计算流体力学在计算效率方面的瓶颈，发展了基于神经算子的大涡模拟替代模型，包括傅里叶神经算子、Transformer神经算子和物理信息神经算子。在自由剪切湍流、槽道湍流、周期山流动等问题中，神经算子方法在相同网格下具有比传统大涡模拟方法更高的计算精度和计算效率。
