人工智能技術為流體問題的解決帶來新思路和方法，引發的是研究範式的變革。為促進人工智能與流體力學深度融合應用，在8月11日舉辦的2023科學智能峰會“AI4S探究流動的無盡可能（宏觀流體專場）”學術峰會上，哈爾濱工業大學教授李惠，西北工業大學教授張偉偉，中國人民大學高瓴人工智能學院長聘副教授孫浩，浙江大學長聘副教授、研究員夏振華，上海交通大學助理教授王韞博，合肥九韶智能科技有限公司總經理鄭裕峰，以及本論壇召集人、寧波東方理工大學（暫名）助理教授陳雲天共同探討了人工智能技術在流體力學領域的創新與合作。

  李惠在報告中指出，求解微分控制方程是數學和其他學科的共同科學問題。在應用機器學習時，考慮加入或嵌入物理定理或控制方程可以縮小解的空間或者驅動機器學習的解逼近真解。李惠總結了用機器學習求解微分方程的三種範式，分別是用機器學習直接求解微分方程、數值模擬和機器學習混合以及純粹數據驅動的方法。同時，李惠認為AI可以在科學研究中發揮重要作用，而智能計算在流體以及其他方面可以實現更大的突破。

  張偉偉作了題為《AI4CFD我們能做什麼？》的報告，報告中指出，首先現有的CFD理論和軟體方法相對滯後，存在物理模型、計算效率、魯棒性和硬體適配性等問題。其次流體倣真軟體發展面臨着培訓周期長、用戶拓展難的困境，同時對於算力和數據存儲需求非常大。

  張偉偉認為：“未來CFD的模式以AI for CFD為推動，AI算法算力可以對CFD的深度賦能，降維加優化的求解方式是主線，極有可能是優化模式和迭代模式耦合的模式，時空尺度也希望統一起來。未來的智能CFD軟體可能是領域知識和領域數據的綜合體，可以實現歷史數據的繼承和知識的遷移，服務於全生命周期設計。”

  王韞博在《世界模型——以流體的視覺直覺學習為例》報告中&&：“傳統AI方法需要相應的知識，這些相應知識定義了流體有什麼樣的動力學方程。我認為AI來做流體的分析應該分為兩種，理論模型是不是完備？如果完備，第一點可以通過倣真數據驅動，第二點把完備的理論模型嵌入到神經網絡裏邊。如果理論模型尚不完備，視覺直覺學習給它提供了一種校正的手段。”

  談及面向複雜動力系統高效仿真的物理編碼深度學習，孫浩&&，希望能夠把先驗的物理知識以編碼形式嵌入大模型裏面，讓模型第一具有可解釋性，第二能夠處理少量的訓練數據情況，第三還可以從少量訓練數據裏面進一步抓取控制方程。

  夏振華在《PINNs對湍流全尺度信息預測能力的研究》報告中&&，湍流問題在航空、航天、航海、天體物理和自然災害等領域中非常重要。對於能不能用神經網絡來做好湍流全尺度信息模擬的問題，夏振華指出，由於神經網絡的譜偏差特性和內在誤差，以及湍流自身的多尺度和能量級串特性，PINN只能解析有限波數的大尺度結構。雖然湍流的小尺度信息很難用神經網絡完全精準解析，但是其大尺度運動佔據大多數動能，這使得基於RANS和LES的神經網絡研究成為可能。最近南科大王建春教授團隊就用神經網絡實現了長時間的湍流大尺度運動的預測。

  談及研究工具的問題，鄭裕峰在報告《求解器插件化的CAX設計和倣真一體化雲平NEXT》中指出，求解器的前提要有一個幾何模型，而所有建模基礎都是幾何內核。為解決我國最被“卡脖子”的CAD、CAE和製造業CAM難題，科大九韶將在8月15日正式發布唯一一款國産完全自主研發的幾何內核AMCAX3.0並進行公測。NEXT&&現在部署在Bohrium&&上，該&&的結構，最左邊是算法和模型，中間是內核層，在&&層有CAD的建模部分和CAE前後處理，支持CAE求解器插件化變成NEXT&&，可滿足各行各業做求解器的需求。

  在圓桌討論環節，李惠、張偉偉、孫浩、夏振華、從泛化的角度討論了關於基礎模型或大模型，PINN面臨的問題與挑戰以及高頻災難等具體問題，並對智能流體力學的研究難點和發展趨勢進行了展望。