关于GCU、沐曦GPGPU、MLU、0卡V100资源4月7日恢复上架的公告>>> 关于共建具身智能开源数据集的倡议>>> 关于云脑任务中统一路径访问方式的公告>>> 关于将启智集群GPU资源迁移至智算集群的公告>>>

History

xingzhongfan 87e6fe33e1 update percnn3d 2dsteady readme		2 weeks ago
..
cfd	Refactor all notebooks in MindFlow application folder. Add guidence for Environment Setup	2 months ago

data_driven	update percnn3d 2dsteady readme	2 weeks ago

data_mechanism_fusion	update percnn3d 2dsteady readme	2 weeks ago

pdeformer1d	update pdeformer1d README	3 weeks ago

physics_driven	fix darcy epoch time unit	1 month ago

research	Refactor all notebooks in MindFlow application folder. Add guidence for Environment Setup	2 months ago

README.md	update application readme	3 weeks ago

README_EN.md	update application readme	3 weeks ago

ENGLISH | 简体中文

MindFlow-应用

简介

MindFlow覆盖了物理驱动、数据驱动、数据机理融合的AI流体仿真、可微分CFD求解等多个方向。

物理驱动的AI流体仿真，即通过将物理方程引入到神经网络的损失函数中使其参与网络训练，从而使得学习的结果满足物理规律，该模块主要面向PDE方程的正向求解、基于数据融合的反问题以及数据同化等应用。

基于数据驱动的AI流体仿真，依赖大量的流体仿真数据，通过设计合适的神经网络挖掘数据样本间的物理规律，具备高效并行，快速推理的优势，具备一定的参数泛化能力。该模块主要面向具备大量标签数据的快速推理、参数空间设计优化等应用场景。

基于数据机理融合的AI流体仿真，以PDENet、PeRCNN等为典型代表，能从数据中学习偏微分方程，并且能够准确预测复杂系统的动力学特性和揭示潜在的PDE模型。该模块主要面向科学数据样本较少且已知控制方程的应用场景，通过内置流场方程信息，降低神经网络对于数据量的需求，提升网络的泛化性。

可微分CFD求解器主要通过数值方法在计算机中对流体力学的控制方程进行求解，从而实现流动的分析、预测和控制，基于AI框架昇思MindFlow的CFD可微求解器具备jit即时编译，vmap自动向量化，autograd端到端自动微分和支持不同硬件等优点，适用于经典流动的求解。