ENGLISH | 简体中文
流体仿真是指通过数值计算对给定边界条件下的流体控制方程进行求解,从而实现流动的分析、预测和控制,其在航空航天、船舶制造以及能源电力等行业领域的工程设计中应用广泛。传统流体仿真的数值方法如有限体积、有限差分等,主要依赖商业软件实现,需要进行物理建模、网格划分、数值离散、迭代求解等步骤,仿真过程较为复杂,计算周期长。AI具备强大的学习拟合和天然的并行推理能力,可以有效地提升流体仿真效率。
MindFlow是基于昇思MindSpore开发的流体仿真领域套件,支持航空航天、船舶制造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。
2023.11.04
中国(西安)人工智能高峰论坛在西安市雁塔区高新国际会议中心召开,由西北工业大学与华为联合研发的首个面向飞行器的流体力学大模型“秦岭·翱翔”正式发布。该模型是西工大流体力学智能化国际联合研究所携手华为AI4Sci Lab在国产开源流体计算软件风雷的基础上,依托昇腾AI澎湃算力及昇思MindSpore AI框架共同研发的面向飞行器流体仿真的智能化模型,相关新闻。2023.08.02
MindFlow 0.1.0版本发布,详见MindFlow 0.1.0。2023.07.06
以“智联世界 生成未来”为主题的2023世界人工智能大会在上海世博中心开幕,来自中国商用飞机有限责任公司上海飞机设计研究院的三维超临界机翼流体仿真重器“东方.翼风”获得世界人工智能大会最高奖项——SAIL奖,该模型是由中国商用飞机有限责任公司上海飞机设计研究院与华为基于国产昇腾AI基础软硬件平台及昇思MindSpore AI框架研发的面向机翼复杂流动仿真场景的智能化模型,相关新闻。2023.05.21
智能流体力学产业联合体第二次全体会议在杭州西湖大学成功举办,昇思MindSpore协办本次会议,三位中国科学院院士、产业联合体代表及关心联合体的学术界、产业界专家共计百位嘉宾现场参会。面向飞行器的首个流体力学大模型————“秦岭·翱翔”大模型预发布,该模型是由西北工业大学流体力学智能化国际联合研究所与华为基于国产昇腾AI基础软硬件平台及昇思MindSpore AI框架,共同研发的面向飞行器流体仿真的智能化模型,相关新闻。2023.02.05
MindFlow 0.1.0-alpha 版本发布。2023.01.17
推出MindFlow-CFD基于MindSpore的端到端可微分求解器,详见。2022.09.02
中国商飞首席科学家吴光辉院士在WAIC2022世界人工智能大会发布首个工业级流体仿真大模型“东方.御风”, AI流体仿真助力国产大飞机气动仿真, 相关新闻。Ye Z, Huang X, Liu H, et al. Meta-Auto-Decoder: A Meta-Learning Based Reduced Order Model for Solving Parametric Partial Differential Equations[J]. Communications on Applied Mathematics and Computation. [Paper]
Deng Z, Wang J, Liu H, et al. Prediction of transactional flow over supercritical airfoils using geometric-encoding and deep-learning strategies. Physics of Fluids 35, 075146 (2023). [Paper] [Code]
Rao C, Ren P, Wang Q, et al. Encoding physics to learn reaction–diffusion processes[J]. Nature Machine Intelligence, 2023: 1-15. [Paper] [Code]
Li Z, Wang Y, Liu H, et al. Solving Boltzmann equation with neural sparse representation[J]. arXiv preprint arXiv:2302.09233, 2023. [Paper] [Code]
Deng Z, Liu H, Shi B, et al. Temporal predictions of periodic flows using a mesh transformation and deep learning-based strategy[J]. Aerospace Science and Technology, 2023, 134: 108081. [Paper]
Huang X, Liu H, Shi B, et al. A Universal PINNs Method for Solving Partial Differential Equations with a Point Source[C]//IJCAI. 2022: 3839-3846. [Paper] [Code]
案例 | 数据集 | 模型架构 | GPU | NPU |
---|---|---|---|---|
东方.御风 | 二维翼型流场数据集 | ViT | ✔️ | ✔️ |
FNO方法求解Burgers方程 | 一维Burgers方程数据集 | FNO1D | ✔️ | ✔️ |
KNO方法求解Burgers方程 | 一维Burgers方程数据集 | KNO1D | ✔️ | ✔️ |
FNO方法求解NS方程 | 二维NS方程数据集 | FNO2D | ✔️ | ✔️ |
FNO3D方法求解NS方程 | 二维NS方程数据集 | FNO3D | ✔️ | ✔️ |
KNO方法求解NS方程 | 二维NS方程数据集 | KNO2D | ✔️ | ✔️ |
CAE-LSTM方法求解二维黎曼问题 | 二维黎曼问题数据集 | CAE-LSTM | ✔️ | ✔️ |
CAE-LSTM方法求解Shu-Osher问题 | 一维Shu-Osher波数据集 | CAE-LSTM | ✔️ | ✔️ |
CAE-LSTM方法求解Sod激波管问题 | 一维Sod激波管数据集 | CAE-LSTM | ✔️ | ✔️ |
CAE-LSTM方法求解KH问题 | 二维K-H问题数据集 | CAE-LSTM | ✔️ | ✔️ |
eHDNN方法求解抖振流场 | 二维翼型抖振数据集 | eHDNN | ✔️ | ✔️ |
eHDNN方法预测非定常流场 | 动边界流场数据集 | eHDNN | ✔️ | ✔️ |
ResUnet3D方法求解三维圆球绕流 | 三维非定常流动数据集 | ResUnet3D | ✔️ | ✔️ |
CAE-Transformer方法求解二维圆柱绕流问题 | 低雷诺数圆柱绕流数据集 | CAE-Transformer | ✔️ | ✔️ |
案例 | 数据集 | 模型架构 | GPU | NPU |
---|---|---|---|---|
PDE-NET方法求解对流扩散方程 | - | PDE-Net | ✔️ | ✔️ |
PeRCNN方法求解二维Burgers方程 | PeRCNN数据集 | PeRCNN | ✔️ | ✔️ |
AI湍流模型 | - | MLP | ✔️ | ✔️ |
案例 | 数据集 | 模型架构 | GPU | NPU |
---|---|---|---|---|
PINNs方法求解Burgers方程 | Burgers数据集 | PINNs | ✔️ | ✔️ |
PINNs方法求解圆柱绕流 | 圆柱绕流流场数据集 | PINNs | ✔️ | ✔️ |
PINNs方法求解Darcy流动 | - | PINNs | ✔️ | ✔️ |
PINNs方法求解泊松方程 | - | PINNs | ✔️ | ✔️ |
PINNs方法求解玻尔兹曼方程 | - | PINNs | ✔️ | ✔️ |
PINNs方法求解泰勒-格林涡 | - | PINNs | ✔️ | ✔️ |
PINNs方法求解NS方程反问题 | NS方程反问题数据集 | PINNs | ✔️ | ✔️ |
PINNs方法求解二维带点源的泊松方程 | - | PINNs | ✔️ | ✔️ |
PINNs方法求解Kovasznay流动 | - | PINNs | ✔️ | ✔️ |
PINNs方法求解周期山流动问题 | Periodic Hill数据集 | PINNs | ✔️ | ✔️ |
PINNs方法求解Allen-Cahn方程 | Allen-Cahn数据集 | PINNs | ✔️ | ✔️ |
CMA-ES&多目标梯度下降算法 | Periodic Hill数据集 | PINNs | ✔️ | ✔️ |
案例 | 格式 | GPU | NPU |
---|---|---|---|
Sod激波管 | Rusanov | ✔️ | - |
Lax激波管 | Rusanov | ✔️ | - |
二维黎曼问题 | - | ✔️ | - |
库埃特流动 | - | ✔️ | - |
由于MindFlow与MindSpore有依赖关系,请根据下表中所指示的对应关系,在MindSpore下载页面下载并安装对应的whl包。
MindFlow | 分支 | MindSpore | Python |
---|---|---|---|
master | master | \ | >=3.7 |
0.1.0rc1 | r0.2.0 | >=2.0.0rc1 | >=3.7 |
0.1.0 | r0.3 | >=2.0.0 | >=3.7 |
pip install -r requirements.txt
硬件平台 | 操作系统 | 状态 |
---|---|---|
Ascend 910 | Ubuntu-x86 | ✔️ |
Ubuntu-aarch64 | ✔️ | |
EulerOS-aarch64 | ✔️ | |
CentOS-x86 | ✔️ | |
CentOS-aarch64 | ✔️ | |
GPU CUDA 11.1 | Ubuntu-x86 | ✔️ |
# gpu and ascend are supported
export DEVICE_NAME=gpu
pip install mindflow_${DEVICE_NAME}
git clone https://gitee.com/mindspore/mindscience.git
cd {PATH}/mindscience/MindFlow
bash build.sh -e ascend -j8
export CUDA_PATH={your_cuda_path}
bash build.sh -e gpu -j8
cd {PATH}/mindscience/MindFLow/output
pip install mindflow_*.whl
西北工业大学 张伟伟 |
北京大学 董彬 |
中国人民大学 孙浩 |
郑州航空工业管理学院 马浩 |
加入昇思MindFlow SIG,助力AI流体仿真发展。 MindSpore AI+科学计算专题,北京大学董彬老师Learning and Learning to solve PDEs专题报告。 我们将不断发布开源实习任务,与各位共同构筑MindFlow生态,与领域内的专家、教授和学生一起推动计算流体力学的发展,欢迎各位积极认领。
感谢以下开发者做出的贡献 🧑🤝🧑:
yufan, wangzidong, liuhongsheng, zhouhongye, zhangyi, dengzhiwen, liulei, guoboqiang, chengzeruizhi, libokai, yangge, longzichao, qiuyisheng, haojiwei, leiyixiang, huangxiang, huxin, lizhengyi, lixin, liuziyang, dujiaoxi, xiaoruoye, liangjiaming
中国商飞 |
太湖实验室 |
西北工业大学 |
北京大学 |
中国人民大学 |
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。