流体/CFD
对比自编码器与基于经典数值分析的简洁扩散映射(PDM)方法在Navier-Stokes湍流降阶建模中的性能,为数据驱动流场重建提供方法论参考。
见LICENSE文件 Navier-Stokes降阶建模自编码器
流体控制 / 湍流减阻
面向流动控制的开源强化学习平台,集成 6 类 CFD 求解器后端与数十个预配置环境,用 RL 训练出的控制策略在机翼上实现零样本部署,显著降低表面摩擦阻力。在风洞/等离子体实验装置上验证可重复部署,是 AI 控制真实物理装置的代表性工作。
MIT(代码)/ Nature 论文 流体控制强化学习减阻
湍流 / 实验与仿真验证
荷兰代尔夫特理工大学发布的经典湍流尾流/方腔流实验与仿真数据集,涵盖多种钝体绕流场景,是 CFD 验证的标杆数据。数据集由 TUDelft 持续维护 30+ 年,配套文献丰富,是 CFD 验证基准与湍流模型开发的权威来源。
CC BY 4.0 湍流尾流钝体绕流
风能 / 载荷预测
利用数据驱动方法预测风力机叶片疲劳载荷与功率曲线,解决极端风况下湍流载荷难以快速评估的问题,支撑风电场运维决策。案例集成风资源评估与叶片疲劳分析两条数据流,输出功率曲线置信区间与极限载荷概率分布。
various 风电载荷预测湍流
3D 湍流(DNS 验证)
2026 年发布的 3D 湍流 DNS 基准数据集,含 5 个任务与受控泛化切分,专用于评测湍流模型的外推能力。数据集含 Reτ = 1000–10000 平板湍流与各向同性湍流,专为评估外推能力设计,受控 train/test 切分避免数据泄露。
MIT 湍流DNS3D