人工智能驱动流体工程：从Fluent数值模拟到物理嵌入机器学习全链路实战
举办背景:面对航空航天、汽车、能源、电子散热等行业流体系统设计指标日益严苛的现状，依靠经验修正与稳态假设的传统CFD分析手段已无法胜任复杂工况下的高效率、高精度设计诉求。一方面，湍流、多相流、流固耦合等强非线性物理过程内在机制复杂，高精度数值仿真的算力开销极其高昂；另一方面，工程现场对流动主动调控、参数快速寻优、瞬态流场重构等也提出了更严苛的标准，迫切需要引入数据驱动与物理约束相融合的下一代计算架构。近些年，人工智能同计算流体力学的深度交叉为流体工程领域打开了全新通道：物理信息神经网络（PINN）可将Na
智能AI技术驱动增材制造研究及产业应用专题
当今世界，全球制造业正经历以数字化、智能化为特征的新一轮工业变革，增材制造（Additive Manufacturing，AM）作为智能制造的核心组成，已从快速原型阶段发展为可应用于航空航天、医疗器械、汽车工业等高端领域的精密制造技术。然而，增材制造过程中的工艺稳定性控制、缺陷实时监测、产品质量预测等问题仍是阻碍其大规模工业化应用的主要瓶颈。人工智能（AI）技术的飞速发展为解决上述难题提供了全新思路与途径。通过机器学习、深度学习、融合AI大模型工具辅助科研、物理信息神经网络等AI技术，可实现对增材制造过程