基于Fluent和深度学习算法驱动的流体力学计算与应用

基于Fluent和深度学习算法驱动的流体力学计算与应用

时间：

2025年03月14日-03月16日

2025年03月22日-03月23日

流体力学基础

一、流体力学基础理论与编程实战

1、流体力学的主要内容

2、不可压缩流体力学的基本方程

3、Navier–Stokes方程的数值求解介绍

4、有限体积法与有限差分法介绍

案例实践：

1、Matlab编程实现有限差分（案例教学）

2、使用深度学习框架（如TensorFlow或PyTorch）进行流体力学问题的案例，例如使用神经网络进行流场重建（案例教学）

二、Fluent简介与案例实战

1、Fluent软件概述：软件功能和特点、Fluent在流体力学中的应用

2、网格划分与计算流程：网格划分技术、Fluent计算流程和步骤、

3、基于Fluent软件的稳态与非稳态流体计算

4、基于Fluent软件对两相流求解

5、Fluent仿真后处理

案例实践：

1、圆柱绕流、喷雾蒸发的Fluent求解流程（案例教学）

2、讨论Fluent与深度学习结合的潜力，如使用深度学习优化Fluent的网格划分和参数估计（案例教学）

线性代数数据处理

三、机器学习线性代数基础与数据处理

1、了解Python语言的特征，特别是向量表示

2、数据分布的度量

3、特征值分解进行主成分分析PCA

4、奇异值分解SVD

5、数据降维

6、基于Python语言的CFD数据压缩（案例教学）

人工智能深度学习基础

四、人工智能基础理论与优化方法

1、基本概念、神经网络的第一性原理

2、感知机模型

3、激活函数分类介绍

4、损失函数分类介绍

5、优化算法的分类介绍

6、Pytorch介绍及环境搭建

案例实践：Python实现基础网络架构

1、 梯度下降算法的Python实现

2、二阶函数极值问题求解（案例教学）

3、使用生成对抗网络（GANs）提高流场分辨率（案例教学）

动力学神经网络

五、利用动力学神经网络求解微分方程

1、残差神经网络（ResNet）介绍

2、利用ResNet求解常微分方程(NeuralODE)

3、使用Neural ODE求解动力学问题（案例教学）

4、动力学神经网络及其流体力学应用（案例教学）

卷积神经网络(CNN)

六、卷积神经网络与流动特征提取

1、卷积的定义与特定

2、卷积神经网络的基本结构

3、CNN如何用于流场信息预测分析，如湍流传热预测（案例教学）

物理融合神经网络

七、物理融合神经网络在湍流模拟中的应用

1、基于JAX框架的物理融合的神经网络(PINN)

2、JAX-PINN的训练专家导引

3、JAX-PINN求解圆柱绕流（案例教学）

进阶案例实践：二维机翼流场的模拟预测（案例教学）

流动控制

八、利用强化学习实现流动控制

1、强化的核心概念—马尔可夫决策过程

2、Q-learning介绍

3、利用强化学习实现2D卡门涡街的流动控制（案例教学）

图片
6.

增值服务

1、凡参加学员将获得本次课程电子课件资料及案例文件；

2、凡参加本期课程学员本人可免费参加一次由本单位举办的相同专题的课程；

3、课程结束可获得本次所学专题全部回放视频；

4、参加课程并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的《深度学习流体力学计算与应用工程师》专业技能结业证书；

报名费用

￥4900 元/人

（含报名费、培训费、资料费）

2025年2月22日前报名缴费可享受300元早鸟价优惠；

参加过我单位举办的其它课程的老学员，可享受额外300元优惠；

【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；北京中科万维智能科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票。如需开具会议费的单位请联系招生老师索取会议邀请函；