大型语言模型能否革新工程流体仿真？

流体流动的仿真是航空、化工或环境等领域的重大挑战。虽然传统方法有效，但在面对日益复杂的工业问题时仍存在局限性。这些方法通常需要大量计算资源和专业知识，并且在模拟湍流或多相互作用等现象时面临困难。人工智能，特别是大型语言模型，如今为自动化和优化这些仿真开辟了新的前景。

这些模型能够分析复杂数据并实时生成预测。例如，它们可以预测流体在管道中的行为，或通过基于详细仿真数据的模型提高湍流模拟的精度。其优势在于能够处理多样化的信息，如自然语言指令或设计历史，从而实现更直观和易用的方法。

在优化领域，大型语言模型有助于调整仿真参数、设计最佳几何形状或优化操作条件。它们降低了成本并加快了流程，而传统方法（如遗传算法）则需要大量时间和专业知识。通过将这些模型与机器学习技术相结合，可以优化飞机机翼或化学反应器等设备，并在多个相互矛盾的目标之间找到平衡点。

仿真的自动化是另一大优势。借助自然语言界面，这些模型能够自动配置初始参数、生成网格或选择合适的求解器。OpenFOAMGPT 或 MetaOpenFOAM 等框架展示了这一进步，使仿真能够以更少的人工干预完成。然而，其应用仍面临挑战，特别是在物理可靠性和适应工程师实际限制方面。

为了克服这些障碍，研究人员正在探索将物理知识集成到模型中或开发专用数据库等途径。目标是使这些工具更加稳健和透明，从而在工业中成为标准。长远来看，这种方法可能会推广高性能流体仿真的使用，同时激发高要求领域的创新。

Ressources et références

Référence officielle

DOI : https://doi.org/10.53941/sce.2026.100003

Titre : Large Language Models for Automating Computational Fluid Dynamics (CFD): From Predictive Modeling and Optimization to Execution Scheduling

Revue : Smart Chemical Engineering

Éditeur : Scilight Press Pty Ltd

Auteurs : Guodong Gai; Pei-Zhong Ma; Jiankun Li; Zheng-Hong Luo; Li-Tao Zhu