文章预览
导语 近日，来自北京大学、 UCLA、中科院、马里兰大学、斯坦福大学、西湖大学等6个机构的作者合作撰写了一篇关于机器学习在计算流体力学中近期应用的重磅综述。文献首先详细介绍了基础概念、传统方法和基准数据集。在系统地回顾了近五年的论文后，本文为计算流体力学中的前向建模引入了一种新的分类方法：数据驱动的替代模型、物理信息驱动的替代模型和机器学习辅助的数值解决方案。此外，本文还回顾了逆向设计和控制中的最新机器学习方法，并提供了一种新的分类方法。在应用层面，本文梳理了机器学习在空气动力学、燃烧、大气与海洋科学、生物流体、等离子体、符号回归和降阶建模（Reduced order modeling）等关键科学和工程学科中的实际应用。最重要的是，本文探讨了该领域的关键挑战，并提出了克服这些挑战的未来研究方向，
………………………………
