AI 赋能 CFD :从 Fluent 仿真到物理信息机器学习的智能流体工程实战一、 培训背景:随着航空航天、汽车、能源、电子散热等领域对流体系统性能要求的不断提升,传统基于经验修正和稳态假设的 CFD 分析方法已难以满足复杂工况下的高效精准设计需求。一方面,湍流、多相流、流固耦合等非线性物理过程高度复杂,高保真数值模拟计算成本极为昂贵;另一方面,工业界对流动主动控制、快速参数优化、实时流场重构等提出了更高要求,亟需引入数据驱动与物理信息融合的新一代计算范式。近年来,人工智能与计算流体力学的深度融合为流体工程开辟了新路径:物理信息神经网络(PINN) 能够将 Navier-Stoke