郭磊 -- 四川电子科技大学副教授，从事图像与信号方面的研究。

刘云楚 -- 曾任职于空气动力研究与发展中心二十余年，高性能计算领域专家。

陆陆：刘老师，您曾经在气动中心工作了那么多年，后来又听说您在人工智能方面也做过一些工作，您能简单介绍下么？

刘云楚：好，我以前主要从事高性能计算方面的工作，从2014年开始，对人工智能方面有些兴趣，做了一些工作，主要还是图像处理方面的应用，如人脸识别啊，目标检测，目标分类等等，工作很粗浅，但也挺有意思的，最近做了个军民船分类的工作，利用了深度网络，准确率还是不错。

陆陆：那郭老师呢？您能简单介绍下人工智能的发展么？

郭磊：好，人工智能虽然经过了60多年的发展，期间也有众多著名科学家的参与，但是目前人工智能领域的发展依然处在初级阶段，整个人工智能领域还有大量的关键技术需要攻关，总的来说，我们处于弱人工智能阶段，标志成果就是人机对弈，图像分类，人脸识别、目标定位及检测，无人驾驶技术等。目前发展最好的就是机器学习分支，在各种场景都得到了大量应用。

陆陆：那人工智能和空气动力学有可能结合么？

刘云楚：当然可以，国内学者已经开始这方面的工作，比如利用深度网络，加上海量的数据训练来预测翼型的气动力。在气动外形设计上这种方法也可能有用，气动外形优化设计是个反问题，要在给定的约束条件下，得到最优气动外形，其实也可以用同样的方法，目前的难点还是在样本上，样本少了，结果精度会受到影响，再就是拓展到三维机翼或者全机，数据量巨大，还有很多难题待攻克。

郭磊：还有些方面也可以用，比如流场特征的提取，比如激波、漩涡等也可以通过深度学习的方法来检测。另外，可以对结果数据大量压缩，同时又能保证数据的主要特征，在大数据的可视化方面非常有用，这个在数值风洞或者虚拟设计中都是非常有用的技术。

陆陆：那技术层面来说，这个怎么和人工智能联系起来一起去实现呢？

刘云楚：拿气动优化设计来说吧，需要应用CFD技术，结合风洞试验数据，开展对飞机翼型和机翼的优化设计方法研究，建立合适的深度卷积网络，利用大量数据进行训练，期待直接建立外形变量与气动结果关系的模型，并应用于飞机初始设计中。

郭磊：其实本质上就是要建模，构造合适的深度神经网络，探索飞机气动设计中大量变量之间的关联，利用已有数据构造降解模型，加快气动外形优化的CFD评估过程。在流场特征抓取方面，通过训练，构造与流场激波等特征相适应的损失函数，准确探测流场中的激波特征结构，加快探测过程。

陆陆：那CFD技术在这个问题上起到什么作用呢？

刘云楚：机器学习需要大量的数据，风洞数据代价太大，可行的途径就是通过CFD技术结合高性能计算机大量计算，变成数据库，再建模，这个过程也许漫长，但是必要。另外，通过CFD技术也可以检验机器学习的成果，不断完善模型。

陆陆：这个应用前景如何？

郭磊：当然有前景。众所周知，飞机设计在国防安全中占有重要的地位，四川拥有国内领先的研究所和飞机制造厂。如中航工业成都飞机设计研究所、成都132厂以及绵阳中国空气动力研究与发展中心，也有像腾盾、纵横这样的民营无人机企业。目前，飞机气动外形优化设计还采用传统的方法，控制变量多，优化结果不够鲁棒，设计周期长，人工智能技术可以在这个方面发挥优势，提升设计能力，该产业是四川省的高新优势产业。我们准备联合相关单位，申报课题，做相关的课题研究。

刘云楚：我们也在做准备工作，目前建立了一个网格库，看能否通过机器学习方法来优化网格生成过程，提高网格生成质量，这个做出来后，对CFD技术是一个比较大的推动。

陆陆：听完两位老师的细心讲解，真的很期待我们的网格库上线，谢谢。

感兴趣者请关注公众号

微信扫一扫
关注该公众号