AI驱动CFD仿真

最近在研究利用AI大模型驱动CFD仿真的事儿。

这里要聊的的AI驱动CFD仿真，并非类似PINN那种AI直接介入仿真计算，而是利用AI大模型驱动CFD仿真计算程序或软件。换句话说，就是利用AI大模型为CFD仿真软件准备计算数据以及提取数据进行后处理。这事儿从根源上来说应该是可以走得通的，而且也比较容易验证和调整。

个人觉得想要实现利用AI大模型驱动CFD仿真，需要搞定几件事情：

1. 仿真任务的准确描述。这部分工作目前需要人工参与，内容包括需要仿真的物理现象、涉及的物理问题、边界参数等输入数据。
2. 仿真流程控制。这部分工作可以由AI模型完成。AI通过识别并解读仿真任务，构建完整的仿真流程输入文件。这部分工作目前可以通过编写完善的skills来实现。github上有不少此类skills，实现效果还挺不错。
3. 仿真计算。这部分可以通过ai模型结合MCP实现。目前主流CFD软件基本都接受以cli形式调用脚本，只需要在MCP中明确调用过程即可。
4. 仿真数据提取。这部分可以通过Skills实现。不过需要用户明确数据提取过程。

其实最关键的地方只有两个：

1. 完善的skills描述。这个实现起来难度其实挺大的，需要对各种不同场景下的仿真流程有非常清晰的了解。而且skill还需要在使用过程中不断地修改和完善。目前github上有不少这方面的skill，可以搞下来修改。
2. 性能强悍的AI模型。skill是自然语言描述，需要AI模型能够识别并正确解析skill中的描述，并能正确调用相应的工具来完成任务。不过随着技术发展，这方面应该很容易解决。现在一些开源小模型都能随便碾压三年前的商业闭源大模型了，相信再过三五年，笔记本上本地部署的小模型，性能估计也能秒杀现在那些巨无霸大模型。

另外仿真计算工作中比较耗时的几何与网格部分，这一块也是非常耗时的工作，但利用AI来处理的难度要比纯仿真大得多。几何与网格中存在大量的自由流程不容易固化。换句话说，相同的输入几何，不同的人处理会有不同的方式。换做AI来做也是一样，AI处理不确定性任务时性能会急剧降低。不过现在也有一些CAD系统和网格生成工具附带了AI驱动的模块，相信未来随着技术的发展，应该能够解决。总体上讲，AI驱动CAD和网格的思路与驱动仿真应该是类似的。

个人觉得这是AI+CFD仿真比较容易落地的方式。

（完）