深海技术科学太湖实验室、北京航空航天大学、西湖大学联合百度，在2022年12月12-20日举办第一期“AI for Science流体力学公开课”。
随着人工智能技术的不断发展，AI与传统科研的结合也逐步增强，催生AI for Science科研新范式，其主要特点是AI技术深入到科学研究本身，通过数据驱动和物理规律融合的方式来助力科研突破过去“实验+传统计算软件”面临的瓶颈。
计算流体力学作为在航空航天、汽车电子以及能源动力等领域中应用最广泛的技术途径，通过数值离散与差分求解，从而得到控制值方程（如Navier-Stokes方程）的唯一解，对于复杂、高精度的流场计算通常需要大规模的网格、特定的涡粘模型假设以及庞大的算力资源等。目前AI经典的CNN、UNet、GAN及近年来比较流行的PINN、FNO等模型与方法已经逐渐应用于计算流体力学，这些方法克服了传统数值求解所面临的“高维度、耗时长、算力大”等挑战，目前取得了比较可观的成果。目前飞桨框架提供通用的科学计算API及适用于计算流体力学的科学计算组件赛桨PaddleScience，可进一步支持流体领域的物理仿真，为企业生产、领域科研以及科学问题探索等提供有效的解决途径。飞桨框架2.4版本提供了通用的高阶自动微分机制，支持前反向自动微分，同时采用高可扩展的飞桨自动并行技术，并结合CINN飞桨神经网络编译器，大幅提升科学计算模型编译速度。作为国内最早的开源深度学习框架，百度飞桨目前正大力探索AI for Science技术落地，我们期望飞桨能够被更多的科研机构、企业等应用于科学计算场景，探索AI for Science范式的更多可行性，也非常期待学习业界最新的技术、方法，进一步发展更适合科学计算的深度学习框架。深海技术科学太湖实验室、北京航空航天大学、西湖大学联合百度，在2022年12月12-20日举办第一期“AI for Science流体力学公开课”，并以线上直播方式进行，免费向感兴趣的社区用户开放。资深科研专家们将与飞桨的研发工程师一起分享飞桨在计算流体力学方面的支撑能力、应用套件以及典型场景等。课程的主要内容为飞桨深度学习框架在科学计算方面的能力、飞桨对端到端科学计算套件DeepXDE的全量支撑以及不同网络模型在流体领域的场景实践等。
