王笼，第一作者，中国科学院力学研究所博士研究生。2022年本科毕业于西北工业大学数学与统计学院。张磊，共同通讯作者，中国科学院力学研究所特别研究助理。博士毕业于北京大学，获2021年北京大学优秀博士学位论文。主持了国家自然科学基金青年基金项目。他的研究领域为计算力学，数据驱动的有限元和量纲学习方法。何国威，共同通讯作者，中国科学院院士，中国科学院力学研究所研究员。研究领域为湍流，计算流体力学和机器

该系统面向具有明确评价指标的科研任务，将任务描述、数据接口、评价函数与研究想法统一输入，由大语言模型生成候选程序，并通过沙盒执行、结果评分和树搜索机制不断迭代优化，最终获得高性能科研软件方案。ERA也有明确限制。最终，系统返回搜索过程中得分最高的程序。如何基于海量数据与文献，生成具有创新性的科学假设，进行严谨的实验验证，是现在科研的关键问题。该研究构建了一种面向科学发现自动化的多智能体系统，将背景

西北工业大学航空学院“大树之家”团队由国家级领军人才张伟伟教授领衔，现有固定教师6人（包括教授4人，副教授2人），博士后2人，研究生50余人。团队承担了一批与智能流体力学、气动弹性力学、飞行器设计等方向紧密相关的科研任务，成果应用于航空航天、人工智能、能源等领域20多个头部单位的重大工程研制，为AI4Eng形成了良好示范。杨孟超（第一作者），西北工业大学航空学院获硕士学位，现为中国航空工业618所

人工智能（AI）的发展目标是使机器像人类一样思维和行动，不仅能求解复杂问题，更重要的是能在一个复杂、动态、不确定的环境和物理世界中进行交互。传统智能系统主要依赖封闭场景、仿真场景或者互联网收集的数据进行模型训练，这种数据训练方式无法构建与现实世界动态交互的闭环学习机制，导致智能系统往往难以适应真实的物理世界。具身智能是一种基于物理实体对环境进行感知与适应性交互，进而理解问题、产生智能行为的智能系统

随着大数据、物联网、人工智能等新一代信息技术的快速迭代发展, 工业数字化、智能化趋势日益明显。数字孪生作为一种新兴的信息物理系统技术,通过物理空间和数字空间的虚实映射、动态交互,在实现航空发动机等复杂装备转型升级中显示出巨大潜力。本文梳理了数字孪生概念的发展过程,重点讨论了民用航空发动机数字孪生架构中的平台、数据、模型等关键支撑技术, 以及数字孪生技术在设计研发、试验验证、生产装配和全生命周期运行

数字工程与数字孪生技术为航空疲劳与结构完整性管理提供了全新的解决方案。近年来，与其工程应用实践相关的重要技术——包括建模仿真、试验测试、载荷识别、检测与监测以及模型/数据融合——均取得了较为显著的进展。为进一步推动其在航空疲劳与结构完整性领域的工程应用推广，提出以下建议和展望：1）全面推动核心技术研究，构建完整的数字工程技术框架。2）加强产学研用合作，建立贯穿结构全生命周期并连接各个利益相关方的共

孙旭翔，西北工业大学航空学院2019级流体力学专业博士生，研究方向为数据同化与数据驱动湍流建模。在Machine Learning-Science and Technology、Journal of Computational Science、Computers & Fluids发表SCI论文三篇。论文题目：高雷诺数湍流场数据同化与湍流模型机器学习研究答辩时间：2025年2月28日毕业去向：中国飞

以下内容转载自微信公众号“深蓝AI”，仅作学术分享。

传统的气动力建模手段对于样本的依赖性强，泛化能力弱。本文将欧拉方程的无粘特征融入到建模过程，并配合架构设计、损失函数设计等方式，使得模型可以在跨音速、分离流等复杂状态下保持了良好的泛化能力，集中力误差可以控制在3%左右。并且通过消融试验对比，展示了模型小样本建模能力，相比于传统方法样本降低2倍以上。

可变形飞行器因其在飞行过程中可动态调整外形以优化气动性能而成为航空航天领域的研究热点。然而，传统实验与数值方法难以快速预测变形过程中的非周期非定常流场，尤其在处理时变几何与瞬态流动之间的强耦合问题时存在明显局限。本文提出了一种融合自适应网格变换与Vision Transformer（ViT）的时空深度学习框架（ViT-STFlowNet），实现了对连续变形过程中非周期流场的端到端精准预测，为可变形