OpenFOAMGPT：基于 OpenFOAM 的计算流体动力学的检索增强型大型语言模型代理

最近，流体力学领域越来越多地采用数据驱动的方法，这得益于丰富的高保真仿真数据和机器学习的快速发展[1-6]。这些方法已经开发出来，用于模拟有和没有控制方程的湍流[7-12]，以及解决复杂的传热问题[13,14]。此外，机器学习技术支持了实验测量[15]，并促进了科学发现，例如通过在流体流动中实现因果推理[16-18]。

LLM在流体力学中的一个突出应用在于它们促进方程发现的能力。例如，Du等人[32]已经证明了LLM如何从数据中自主提取控制方程，在没有大量人为干预的情况下捕捉复杂的非线性关系。除了方程发现，LLM还被用于简化形状优化问题。例如，Zhang等人[33]介绍了一种框架，该框架利用这些模型优化几何轮廓，如翼型或轴对称配置，以实现减阻。新兴研究将这些进展扩展到微流体等领域[34]，在这些领域，LLM有助于在流体流动约束下进行机器人运动规划的决策，或引导微型游泳者通过复杂的流体环境。Zhu等人[35]介绍了一种将LLM与时空感知编码器相结合的框架，用于预测非定常流体动力学，与传统的CFD方法相比，显著提高了准确性和效率。通过利用预训练的LLM和图神经网络，该模型有效地整合了空间和时间信息，在翼型和圆柱流等流体数据集的长期预测中取得了卓越的性能。Kim等人[36]评估了ChatGPT生成的MATLAB代码在基于叙述的提示下用于岩土工程应用的潜力，包括渗流分析、边坡稳定性评估和X射线断层图像处理。尽管ChatGPT不能完全取代传统编程，但它有效地优化了代码，最大限度地减少了语法错误，并在仔细阅读时提供了一个特定领域的指导的富有逻辑框架。同样重要的是LLM在自动化和编排CFD模拟中的应用。Chen等人[37]提出了一种基于LLM的多代理系统，能够通过自然语言交互自动化CFD工作流程。通过采用检索增强生成（RAG），该平台可以识别和纠正潜在错误，大大降低了通常与CFD模拟相关的技术障碍，并使非专业人员更容易使用这些工具。

OpenFOAM（开源现场操作和操纵）是一个广泛使用的开源CFD求解器包[38]。它为广泛的应用提供了多种求解器，包括不可压缩[39-41]和可压缩流[42]、传热[43-47]和多相系统[48-50]。与商业CFD软件包不同，OpenFOAM的完全开源架构赋予用户修改现有求解器、开发新物理模型的灵活性。通过依赖于面向对象设计的C++，它确保了可维护性、可扩展性和高并行性效率，使其成为学术研究和工业工程工作流程的标准平台。其经过验证的准确性、适应性，可扩展性和高效的并行运算能力，使OpenFOAM成为与基于LLM的代理耦合的理想环境，这些代理可以交互式地指导用户完成模拟设置、执行和分析。我们在这里使用的版本是OpenFOAM-v2406版本。

A. 零样本提示的性能

• Cavity floew：本例使用icoFoam求解器模拟二维方形域中的层流、等温、不可压缩流。几何图形由一个正方形组成，所有边界都是墙。顶壁以1m/s的速度在x方向上移动，而其他三个壁是静止的。
• PitzDaily：它使用k-ε模型和simpleFoam求解器模拟了通过Pitz Daily几何体的不可压缩湍流。几何形状是二维平面上的突然膨胀通道，突然膨胀后入口狭窄，截面较宽。整个通道形成二维矩形结构。
• Hotroom：这是一个高腔内的湍流自然对流，使用k-ε模型和buoyantBoussinesqSimpleFoam求解器进行模拟。腔体具有二维矩形形状，以壁为边界。左壁和右壁是绝热的，顶壁是冷的，底壁是热的。
• Dambreak：它代表了一种简化的层流溃坝，使用基于VOF的多相求解器（interFoam）进行模拟。坦克是一个二维正方形，在容器的中心有一个矩形障碍物下边界。顶部边界是开放的，而其他三个边界是固定的壁面。该装置由容器左侧薄膜后面的静止水柱组成。在时间t=0s时，膜被移除，导致水坍塌。当水冲击障碍物时，会产生一个复杂的流动结构，包括几个被困的空气袋。
• Particle column：本例使用MPPICFoam求解器模拟二维柱中粒子流的分布和动态演化。该柱是一个矩形域，顶部有一个入口，底部有一个出口。流体被建模为由Navier-Stokes方程控制的不可压缩单相流，而粒子动力学则使用拉格朗日跟踪方法进行建模。多相粒子动力学模型（MPPIC）用于解释粒子碰撞和接触应力。作用在粒子上的力包括流体阻力、碰撞力和重力。
• Mixed vessel：本例使用pimbleFoam求解器模拟旋转混合器或搅拌器中的流体流动。几何形状是一个二维圆柱体，其外壁和内壁上均匀分布着四个矩形屏障。外壁是静止的，而内壁是旋转的，其运动使用移动网格进行模拟。