数据驱动流体力学的当红炸子鸡：华盛顿大学终身教授Steven Brunton
1.何许人也
华盛顿大学西雅图分校终身教授。
Clarence Rowley（普林斯顿大学终身正教授）的学生。
现在是数据驱动流体力学领域的当红炸子鸡！
2.数据驱动流体力学领域的“网红”
看看下图，是其在YouTube上将数据驱动流体力学的视频。
目前有489个视频！
每个视频的观看次数都破万！要考虑到流体力学毕竟是“小领域”，每个视频观看次数破万到几十万，绝对是流体力学领域的“网红”！
想学习数据驱动流体力学的绝对要看其视频，肯定有收获。
数据驱动的各种技术：HNN、LNN、NODEs、PINNs、神经网络、深度学习、SVD、PCA、FFT等，在其视频都有详细的深入浅出的讲解！
3.其团队的官方网站
“流弊”的人生不需要文字解释，见下图！
4.教育背景
2012年，普林斯顿大学，机械与航空航天工程，博士学位
2006年，加州理工学院，数学学士，控制与动力学系统辅修
5.研究陈述
Brunton博士的研究专注于结合降维技术、稀疏传感和机器学习，用于复杂动态系统的数据分析驱动发现和控制。他还对高维数据背后的低秩相干模式感兴趣，这些模式有助于促进稀疏测量以及最优传感器和执行器的布置，以实现控制。他正在开发无方程自适应控制器，使用机器学习技术。在流体动力学中的具体应用包括闭环湍流控制以增强混合、生物运动和可再生能源。其他应用包括神经科学、医学数据分析、网络动态系统和光学系统。
6.数据驱动流体力学的探索
Brunton教授是数据驱动流体力学领域的先驱之一。他和他的团队利用先进的数据科学技术，包括机器学习和人工智能算法，来分析和预测流体流动的行为。这种方法与传统的基于物理模型的流体力学研究形成了互补。
7.突破性成就
1）.流体状态估计与预测：
Brunton教授开发了新的算法，可以从有限的传感器数据中估计和预测流体的全局状态。这对于实时监控和控制复杂的流动系统至关重要。
2）.降维技术：
他运用降维技术，如主成分分析（PCA）和动态模式分解（DMD），来识别流体流动中的关键特征和模式，从而简化了对复杂流动现象的理解。
3）.闭环流动控制：
Brunton教授在闭环流动控制方面取得了显著进展，他的研究展示了如何使用数据驱动的方法来设计和优化流动控制策略。
4）.机器学习在流体力学中的应用：
他推动了机器学习技术在流体力学中的应用，特别是在湍流建模和流动过渡预测方面。
5）.实验与数值模拟的结合：
Brunton教授的研究有效结合了实验测量和数值模拟，提高了对流动现象的预测精度和可靠性。
