力学者说第二期：基于机器学习的湍流模型研究进展（11/20）

导读：近几年来，随着高性能计算机和大数据科学的快速发展，机器学习方法在各个领域得到了越来越多的应用。力学学科在过去几十年积累了大量的数值模拟数据、实验测量数据和现场监测数据，这些大规模、高维度的数据蕴含了丰富的物理特征，但传统方法无法有效地处理这些庞大的数据群。机器学习方法可以从巨量的数据海洋中挖掘有用的信息，并能为总结新的物理规律提供有效的指导。另一方面，机器学习方法存在着可解释性差、泛化能力弱、容易过拟合等问题。针对基于第一性原理的力学问题开展机器学习研究，并和已知的物理规律相对照，有助于更深入地理解机器学习方法。因此，与机器学习的交叉融合，将有力地促进力学学科研究范式的创新，并不断拓展该学科的研究深度和应用范围。

一、机器学习方法应用场景与挑战

机器学习方法已被成功应用于各类力学模拟与控制问题中，包括复杂力学系统的重构和降阶模型、参数识别与反演、湍流和多相流的封闭模型、机翼的气动优化设计、流动控制等。

针对一些非常棘手的力学难题，机器学习方法由于其强大的逼近能力和高效的优化算法，能够突破传统方法的研究瓶颈，显示出了该方法的巨大潜力。另一方面，力学相关的工程应用往往要求模型具有一定的可靠性和可解释性，但是目前的机器学习方法无法提供具有明确物理含义、适用范围广的模型。因此，还需要对机器学习方法进一步提升和发展，才能真正用于解决实际的力学问题。这是机器学习方法在各个学科应用中所面临的一个普遍的挑战，同时也是一个共同的机遇。

二、基于机器学习的湍流模型研究进展

11月20日10时（周六），由力学学报主办的《力学者说》系列学术论坛第2期《基于机器学习的湍流模型研究进展》将首次在仿真秀官网和APP首播。感兴趣的朋友可以订阅，支持反复回看哦。（点击图片可以回看）

1、报告人简介

王建春，南方科技大学工学院力学与航空航天工程系副教授。《力学学报》青年编委。在2007年和2012年毕业于北京大学工学院，分别获得理论与应用力学专业的理学学士学位和流体力学专业的理学博士学位。2012年至2013年作为培源学者在北京大学应用物理与技术研究中心进行研究工作。2013年至2016年分别在普林斯顿大学和名古屋工业大学进行博士后研究工作。2016年9月至2018年1月在南方科技大学力学与航空航天工程系任助理教授；2018年2月起，任副教授。从事湍流理论与数值模拟、流动稳定性、计算流体力学等方向的研究工作。近年来通过数值模拟研究了可压缩湍流的流动机理，基于湍流的多尺度性质和机器学习方法发展了湍流大涡模拟的高精度亚格子模型。在Journal of Fluid Mechanics，Physical Review Fluids等学术期刊上发表了50多篇SCI论文。

2、报告简介

湍流是一种广泛存在于自然界中的复杂流动现象，和航空、航天、大气、海洋、能源、环境等各个领域密切相关。大部分传统的湍流模型使用了较为简单的函数形式。由于湍流的脉动具有不规则性和多尺度性，传统模型的相对误差较大。机器学习方法能够有效地寻找高度非线性、高维度的映射关系，为湍流模型的研究提供了新的思路。报告主要介绍最近几年来机器学习方法在发展湍流模型方面的一部分研究进展。讨论如何用机器学习方法发展精度更高、稳定性更好、适用范围更广的湍流模型，包括基于机器学习的雷诺平均模型和大涡模拟模型。

三、关于力学学报

《力学学报》由首任主编钱学森等创刊于1957年，由中国科学院主管、中国科学院力学研究所和中国力学学会主办。历任主编为钱学森、郭永怀、郑哲敏、林同骥、黄克智、吴承康、王自强、杨卫、程耿东、郑泉水、魏悦广，现任主编陆夕云（中国科学技术大学）。

《力学学报》是力学学科的综合性学术刊物，获得首届国家期刊奖、第二届国家期刊奖百种重点期刊、《共和国期刊60年》（力学学科唯一入选）、百种中国杰出学术期刊奖、中国科协top50、全国科技百强期刊、数字影响力100强等多项荣誉。《力学学报》的报道方向包括在理论和应用力学所有领域里，在理论、方法和实验方面的研究进展。期刊鼓励发表与力学相关的交叉学科的研究成果，力求成为力学与其他工程和科学分支的桥梁，成为有助于中国力学年青学子成长和推动与中国重大工程建设合作的平台。

从2021年开始，《力学学报》变更为月刊。现有栏目：1、研究综述；2、专题文章；3、流体力学；4、固体力学；5、动力学与控制；6、生物、工程及交叉力学；7、力学人物追忆等。   论文从收稿到网络版发表的平均周期，将力争控制在3个月以内，纸质版的平均发表周期控制在5个月以内。论文稿一旦接受发表，将于24小时内在中国知网上登出。

声明：原创作品，内容转自力学学报公 众 号，已活动授权，部分图片和内容源自网络，如有不当请联系我们，欢迎分享，禁止私自转载，转载请联系我们。