大型語言模型能否革新工程流體模擬？

流體流動的模擬對航空、化學或環境等領域來說是一項重大挑戰。雖然傳統方法有效，但在面對日益複雜的工業問題時，它們遇到了局限。這些方法通常需要大量的計算資源、專業知識，並在模擬湍流或多相互作用等現象時顯得力不從心。人工智慧，特別是大型語言模型，如今為自動化和優化這些模擬開闢了新的前景。

這些模型能夠分析複雜的數據並實時生成預測。例如，它們可以預測流體在管道中的行為，或通過基於詳細模擬數據的學習來提高湍流模型的精確度。它們的優勢在於能夠處理多樣化的信息，如自然語言指令或設計歷史，從而實現更直觀和易於使用的方法。

在優化領域，大型語言模型有助於調整模擬參數、設計最佳幾何形狀或調節操作條件。它們降低了成本並加快了流程，而傳統方法（如遺傳算法）則需要大量時間和專業知識。通過將這些模型與機器學習技術相結合，可以優化飛機機翼或化學反應器等設備，並在多個相互矛盾的目標之間找到平衡點。

模擬的自動化是另一大優勢。憑藉自然語言界面，這些模型能夠自動配置初始參數、生成網格或選擇適當的求解器。OpenFOAMGPT或MetaOpenFOAM等框架展示了這一進步，使模擬能夠在更少的人工干預下完成。然而，它們的採用仍面臨挑戰，特別是在物理可靠性和適應工程師實際限制方面。

為克服這些障礙，研究人員正探索將物理知識整合到模型中或開發專業數據庫等途徑。目標是使這些工具更加健壯和透明，從而在工業中成為標準。長遠來看，這種方法可能會推廣高性能流體模擬的使用，同時激發高要求領域的創新。

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