精品课加餐-7：AI+CFD在多孔介质/渗流与复杂边界问题应用

近年来，随着人工智能技术的迅猛发展，深度学习与物理建模的融合正在重塑传统计算科学格局。特别是在流体力学与多孔介质渗流模拟领域，面对微观结构复杂、参数不确定性高、传统数值方法计算成本昂贵等问题，基于数据驱动或物理引导的深度学习方法展现出前所未有的潜力。

《基于OpenFoam和AI机器学习14讲：使用人工智能建立流体力学中的数据驱动模型》是力学AI有限元-梁老师的原创视频课程，他通过具体的案例，简要概述了如何使用机器学习建立流体力学中的数据驱动模型，获得用户高度关注。2025年7月3日20时，本课程作者力学AI有限元——梁老师，计划对课程学员加餐内容。旨在帮助科研人员与工程从业者深入理解这一交叉前沿，掌握深度学习在流体模拟中的应用思路、建模方法与工程实践技巧，探索从“物理公式”到“智能预测”的新范式。以下是直播具体安排：

一、主讲嘉宾

力学AI有限元-梁老师，985高校博士，拥有超过10年的科研与工程实践经验，长期从事流体力学、多孔介质渗流模拟与深度学习建模方法的交叉研究。讲师在微尺度流动建模、多尺度渗流行为分析、裂缝网络构建与模拟、物理引导型深度学习等领域具有深厚积累，主持/参与多项国家重点科研项目。讲师擅长将传统数理模型与人工智能技术相结合，推动流体力学模拟的智能化转型，其开发的多孔介质AI建模框架已成功应用于页岩气、CO₂封存、地热开采等多个实际工程场景。

他的代表课程有 (点击下方标题可试看)：

[1] 基于OpenFoam和AI机器学习14讲：使用人工智能建立流体力学中的数据驱动模型

[2] Abaqus疲劳分析建模专题17讲：掌握疲劳寿命预测、裂纹扩展和疲劳损伤评估能力

[3] 张量分析与连续介质力学理论与高级概念63讲：力学专业和结构仿真必修课

[4] isight联合Abaqus工程优化设计方法11讲：获得跨学科联合仿真与优化的能力

[5] Abaqus工程实例从入门到精通29讲 ：全解复杂工程问题Abaqus高级功能（13个案例）

[6] 塑性力学理论与实践合集13讲：筑牢模拟仿真的根基-提高模拟仿真的准确性

[7] 工程类专业和结构仿真必修课13讲——全解结构动力学核心理论与实践技能

[8] 材料力学理论与实践合集10讲-剖析核心理论/试验与测试/工程应用/新技术

[9] 有限元分析核心理论与实践技能合集23讲：打开工程仿真与科研创新的大门

[10] 张量分析与连续介质力学理论与实践合集20讲：描述物理现象的基本方法和工具

二、讲课主要内容

1、前沿趋势与挑战概述

2、微尺度流动模拟中的难点与需求

3、深度学习如何赋能传统流体模拟

4、流体力学中的AI建模框架

5、数据驱动建模 vs. 物理引导建模

6、卷积神经网络（CNN）、图神经网络（GNN）在渗流模拟中的案例介绍

三、用户得到

1、理解深度学习在流体力学与渗流建模中的优势与局限；

2、掌握微观结构数据处理与多孔介质建模的关键技术；

3、了解Physics-Informed Neural Networks (PINNs)等前沿方法在物理建模中的实际应用；

4、拓展科研与工程问题中的AI建模思维，提升跨学科解决问题的能力。

四、适合谁看

本课程面向以下群体：

1、高校研究生及科研人员，尤其是从事流体力学、多孔介质、石油工程、环境工程等方向的学生与教师；

2、对AI建模感兴趣的力学与地学相关背景人员，如进行CFD仿真、渗流模拟、裂缝分析的工程师与科研人员；

3、计算科学与深度学习应用研究者，希望将深度学习方法拓展到物理建模领域的开发者；

4、能源、环境、新材料等行业从业者，关注微尺度流动行为与智能模拟技术前沿者；

5、正在撰写或准备发表相关论文的研究者，希望了解“深度学习+流体力学”交叉创新方法的听众。