计算流体力学与航空航天、海洋装备、能源电力的研发息息相关，但发展至今，仍然面临着一些挑战与瓶颈，诸如流体力学的网格剖分复杂，在复杂边界处无法完全自动化；仿真依赖于复杂的迭代计算，计算依赖度高，并行计算时存在加速比限制；高维方程求解困难，精度和性能无法兼顾。这些挑战也为AI融合科学计算带来了新的机遇：AI方法可以不依赖网格剖分，具有天然并行推理能力，无需迭代计算，可快速获得结果，AI方法可有效学习物理世界的内在规律，并快速推理获得结果，兼顾精度和性能。当前，Google、Nvidia等各大机构已经开始将AI应用于流体力学的研究中，并获得广泛关注。

不同于CV和NLP领域深度学习框架和领域库发展趋于成熟，人工智能流体力学领域尚未有一个稳定易用的模型库或社区，使算法研究者能快速实验算法，使应用开发者能高效训练和部署模型。

因此，构建开放，易用，高效的AI+流体力学库和交流社区有利于促进流体力学研究的蓬勃发展和人工智能方法的广泛应用及创新突破。

在此背景下，昇思MindFlow专项兴趣小组（简称：MindFlow SIG）正式成立，并面向开源社区招募志同道合的伙伴。

1

MindFlow SIG 简介

本SIG着眼于昇思MindSpore Flow，充分利用昇思MindSpore的优点，持续完善套件功能，拓展社区生态，为广大科研人员，老师和学生提供高效易用的AI计算流体仿真套件的同时，为这个领域中，有着强大影响力和浓厚的兴趣的人们提供一个能够共同交流合作的平台。

2

MindFlow SIG使命

聚焦AI在流体中的应用，探索流体力学仿真中物理驱动、数据驱动、数据机理融合的AI流体仿真等多种范式，构建使用简单、运行高效的AI+流体计算框架，支持航空航天、船舶水动力学以及能源电力等行业领域的AI流场研究。

小组的重点工作包括以下几个方向：

01、物理驱动的AI流体仿真

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。当前MindSpore Flow已具备常见的边界/初始条件设定方法，采样方法，损失函数构造等功能，满足相关经典流动实例求解优化。

02、数据驱动的AI流体仿真

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；且以FNO，DeepONet为例的神经算子学习，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。当前MindSpore Flow已具备ViT、FNO等网络模型，能够求解经典流动（Burgers' equation等）和工程实际中面临的流动问题。

03、数据机理融合的AI流体仿真

基于数据机理融合的AI流体仿真，以PDENet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。此外，通过可微CFD求解器与神经网络的耦合，实现流体仿真模型的AI修正、AI插值和AI超分等新的应用。当前已具备PDENet的基础能力，能够实现经典流动的求解。

04、可微CFD求解器

流体仿真软件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，在航空航天、船舶制造以及能源电力等领域有着广泛的应用。基于AI框架昇思MindSpore Flow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。

3

框架架构/代码仓

MindSpore Flow是基于昇思MindSpore开发的流体仿真领域套件，支持航空航天、船舶水动力学以及能源电力等行业领域的AI流场模拟，旨在于为广大的工业界科研工程人员、高校老师及学生提供高效易用的AI计算流体仿真软件。MindSpore Flow提供了物理驱动、数据驱动、数据机理融合的AI流体仿真等多种常用功能。

4

MindFlow SIG工作计划

前期

以成员学术交流活动为主，为MindSpore Flow演进和功能完善提供参考。每年小组都会组织一场大型活动与数场小型活动，且固定在每个季度组织一场校园行活动，每年SIG会固定举办大型暑期学校活动，邀请组内的核心专家老师准备多个主题进行多天的授课。小组老师将带领成员进行科技调研以及代码仓功能扩展，bug修复等工作。成员也可自由使用MindSpore Flow软件来进行自己的课题研究和开发。小组会在社区内发布开源实习任务以及众智任务，以供学生和老师认领。

后期

通过合作开发等模式，在社区开展合作研究，推动更多场景落地。

5

MindFlow SIG构成

小组领衔成员

张伟伟，西北工业大学长江学者特聘教授，，流体力学智能化国际联合研究所中方负责人。主要从事智能流体力学、气动弹性力学和飞行器设计研究。曾获得国家自然科学基金优秀青年基金、航空学会青年科技奖、空气动力学会首届青年科技奖等荣誉。现任中国空气动力学会副理事长，智能流体力学专业组主任、空气弹性力学专业委员会副主任，中国力学学会流固耦合力学专业委员会副主任、智能流体力学产业联合体副理事长兼秘书长，AST、TAML、AAMM、AIA等国际期刊编委。

董彬，北京大学，北京国际数学研究中心长聘教授、国际机器学习研究中心副主任、大数据分析与应用国家工程实验室研究员、国家生物医学成像科学中心研究员，北京大学计算与数字经济研究院副院长。主要研究领域为科学计算、机器学习及其在计算成像和数据分析中的应用。现任期刊《Inverse Problems and Imaging》编委、《CSIAM Transactions on Applied Mathematics》、《Journal of Computational Mathematics》、《Journal of Machine Learning》副主编。2014年获得求是杰出青年学者奖，2019年入选科技部创新人才推进计划，2022年受邀在世界数学家大会（ICM）做45分钟报告。

孙浩，中国人民大学高瓴人工智能学院“长聘副教授、博导"，国家高层次人才青年专家。曾任美国匹兹堡大学、美国东北大学终身序列助理教授、博导。主要从事科学智能、人工智能数理基础与交叉前沿研究，包含可诠释性深度学习、物理启发深度学习、符号强化学习与推理、数据驱动复杂动力系统建模与识别、基础设施健康监测与智能化管理等方向。研究成果受到了几十家国际知名媒体的广泛报导（例如《福克斯新闻》、《科学日报》、《麻省理工科技评论》等）。2018年入选福布斯北美“30位30岁以下精英榜（科学类）”，2019年当选“美国十大华人杰出青年”。

小组成员

Maintainer：hsliu_ustc 昇思MindSpore高级工程师

Maintainer：zwdeng 昇思MindSpore高级工程师

Maintainer：Yi_zhang95 昇思MindSpore高级工程师

小组成员：hong-ye-zhou 昇思MindSpore高级工程师

小组成员：Bokai Li  昇思MindSpore工程师

小组成员：liulei277 昇思MindSpore工程师

小组成员：yangge_nihilism 昇思MindSpore工程师

小组成员：haojiwei 北京航空航天大学硕士在读

小组成员：李正一 北京大学博士在读

小组成员：李卓远 北京大学博士在读

小组成员：叶展宏 北京大学博士在读

小组成员：王琦 中国人民大学博士在读

小组成员：雷译翔 武汉大学本科在读

6

MindFlow SIG召唤你

扫码加入MindFlow SIG交流群

sig仓：

https://gitee.com/MindSpore/community/tree/master/sigs/mindflow

代码仓：

https://gitee.com/mindspore/mindscience/tree/master/MindFlow

关于MindSpore SIG

昇思MindSpore社区欢迎业界专家、学术伙伴在社区成立特别兴趣小组（SIG），作为社区领域技术代言人，打造领域技术品牌，共建昇思MindSpore开源生态。

MindSpore SIG即MindSpore Special Interest Groups，即“昇思特别兴趣小组”，MindSpore社区成立个技术SIG的初衷是为该领域的专家、教授和学生提供一个开放交流的平台，通过会议分享、项目开发等活动促进技术交流、合作共赢，并使得SIG成员的影响力和技术能力得到提升，截止目前，MindSpore SIG共计成立20+。

如果你也想成立一个SIG

扫码添加小助手了解更多