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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>
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)
<img pic_type="1" src="<img class=" bde_image"="" originsrc="" unselectable="on" onload="EditorUI.resizeImage(this, 560)">
" class="BDE_Image" onload="EditorUI.resizeImage(this, 560)" unselectable="on"/>