cfd

GeoWind2Plan 是一个面向城市低空无人机的几何-风场-规划框架，利用局部几何条件神经算子在约 3 秒内预测任务相关的 3D 城市风场（CFD 需约 8 小时），并据此优化能量高效的 3D 路径与速度剖面，相比无风感知规划可减少 4.5%–12.7% 的能耗。

本文提出了一种新颖的方法，将图神经网络与增强神经常微分方程（GNODE）相结合，用于稳定且准确地预测非定常翼型气动力学的时空变化，在跨声速激波和非线性动力学测试中优于自回归基线方法。

Ventorah 是一款基于浏览器的工具，允许用户直接在网页浏览器中运行虚拟风洞空气动力学分析。

通用汽车正在利用人工智能和机器学习，将传统工程阶段整合为单一概率方法，将仿真时间从数小时缩短到几分钟，从而加速车辆开发。

本文研究了群等变架构在神经流体动力学替代模型中的作用，引入了AB-GATr模型。研究发现，当数据缺乏强对齐时，等变性是有益的，但在高度对齐的数据集上可能会降低性能。

本文介绍了AI CFD Scientist，一个用于计算流体动力学的开源AI代理，它利用视觉语言验证和代码修改自主发现物理修正，在CFD任务上优于通用AI科学家。

本文介绍了AeroJEPA，一种用于可扩展3D气动场建模的联合嵌入预测架构。它通过预测流场的语义潜在表示，解决了当前代理模型在可扩展性和设计实用性方面的局限性，从而实现了高效的高保真分析和设计优化。