MindSpore Flow

MindSpore Flow介绍

流体仿真是指通过数值计算对给定边界条件下的流体控制方程进行求解，从而实现流动的分析、预测和控制，其在航空航天、船舶制造以及能源电力等行业领域的工程设计中应用广泛。传统流体仿真的数值方法如有限体积、有限差分等，主要依赖商业软件实现，需要进行物理建模、网格划分、数值离散、迭代求解等步骤，仿真过程较为复杂，计算周期长。AI具备强大的学习拟合和天然的并行推理能力，可以有效地提升流体仿真效率。

MindSpore Flow是基于昇思MindSpore开发的流体仿真领域套件，支持航空航天、船舶制造以及能源电力等行业领域的AI流场仿真、AI气动外形设计、AI流动控制，旨在于为广大的工业界科研工程人员、高校老师及学生提供高效易用的AI计算流体仿真软件。

论文

[2024] Li X, Deng Z, Feng R, et al. Deep learning-based reduced order model for three-dimensional unsteady flow using mesh transformation and stitching[J]. Computers & Fluids. [Paper]

[2024] Wang Q, Ren P, Zhou H, et al. P \(^ 2\) C \(^ 2\) Net: PDE-Preserved Coarse Correction Network for efficient prediction of spatiotemporal dynamics[J]. arXiv preprint. [Paper]

[2024] Zeng B, Wang Q, Yan M, et al. PhyMPGN: Physics-encoded Message Passing Graph Network for spatiotemporal PDE systems[J]. arXiv preprint. [Paper]

[2024] Ye Z, Huang X, Chen L, et al. Pdeformer-1: A foundation model for one-dimensional partial differential equations[J]. arXiv preprint. [Paper]

[2024] Li Z, Wang Y, Liu H, et al. Solving the boltzmann equation with a neural sparse representation[J]. SIAM Journal on Scientific Computing. [Paper]

[2024] Ye Z, Huang X, Chen L, et al. Pdeformer: Towards a foundation model for one-dimensional partial differential equations[J]. arXiv preprint. [Paper]

[2024] Ye Z, Huang X, Liu H, et al. Meta-Auto-Decoder: A Meta-Learning Based Reduced Order Model for Solving Parametric Partial Differential Equations[J]. Communications on Applied Mathematics and Computation. [Paper]

[2024] Li Z, Wang Y, Liu H, et al. Solving Boltzmann equation with neural sparse representation[J]. SIAM Journal on Scientific Computing. [Paper] [Code]

[2023] Deng Z, Wang J, Liu H, et al. Prediction of transactional flow over supercritical airfoils using geometric-encoding and deep-learning strategies[J]. Physics of Fluids. [Paper] [Code]

[2023] Rao C, Ren P, Wang Q, et al. Encoding physics to learn reaction–diffusion processes[J]. Nature Machine Intelligence. [Paper] [Code]

[2023] Deng Z, Liu H, Shi B, et al. Temporal predictions of periodic flows using a mesh transformation and deep learning-based strategy[J]. Aerospace Science and Technology. [Paper]

[2022] Huang X, Liu H, Shi B, et al. A Universal PINNs Method for Solving Partial Differential Equations with a Point Source[C]. IJCAI. [Paper] [Code]

应用案例

数据驱动

案例	数据集	模型架构	GPU	NPU
GINO仿真大规模3D PDEs	三维NS方程数据集	FNO & GNO	-	✔️
东方.御风	二维翼型流场数据集	ViT	✔️	✔️
FNO方法求解Burgers方程	一维Burgers方程数据集	FNO1D	✔️	✔️
KNO方法求解Burgers方程	一维Burgers方程数据集	KNO1D	✔️	✔️
SNO方法求解Burgers方程	一维Burgers方程数据集	SNO1D	✔️	✔️
FNO方法求解NS方程	二维NS方程数据集	FNO2D	✔️	✔️
SNO方法求解NS方程	二维NS方程数据集	SNO2D	✔️	✔️
KNO方法求解NS方程	二维NS方程数据集	KNO2D	✔️	✔️
FNO3D方法求解NS方程	二维NS方程数据集	FNO3D	✔️	✔️
SNO3D方法求解NS方程	三维NS方程数据集	SNO3D	✔️	✔️
CAE-LSTM方法求解二维黎曼问题	二维黎曼问题数据集	CAE-LSTM	✔️	✔️
CAE-LSTM方法求解Shu-Osher问题	一维Shu-Osher波数据集	CAE-LSTM	✔️	✔️
CAE-LSTM方法求解Sod激波管问题	一维Sod激波管数据集	CAE-LSTM	✔️	✔️
CAE-LSTM方法求解KH问题	二维K-H问题数据集	CAE-LSTM	✔️	✔️
eHDNN方法求解抖振流场	二维翼型抖振数据集	eHDNN	✔️	✔️
eHDNN方法预测非定常流场	动边界流场数据集	eHDNN	✔️	✔️
ResUnet3D方法求解三维圆球绕流	三维非定常流动数据集	ResUnet3D	✔️	✔️
CAE-Transformer方法求解二维圆柱绕流问题	低雷诺数圆柱绕流数据集	CAE-Transformer	✔️	✔️
FNO2D和UNET2D方法预测多时间步跨声速翼型复杂流场	二维跨声速翼型复杂流场数据集	FNO2D/UNET2D	✔️	✔️
HDNN方法预测流固耦合系统流场	流固耦合系统数据集	HDNN	✔️	✔️
CascadeNet预测圆柱尾迹脉动速度时空场	CascadeNet圆柱尾迹脉动数据集	CascadeNet	✔️	✔️
MultiScaleGNN求解压力泊松方程	MultiScaleGNN压力泊松方程数据集	MultiScaleGNN	✔️	✔️
基于神经算子网络的涡轮级流场预测与不确定性优化设计	涡轮级子午面流场数据集	UNet/FNO	✔️	✔️

数据-机理融合驱动

案例	数据集	模型架构	GPU	NPU
P2C2Net	二维自生成PDE数值解数据集	P2C2Net	-	✔️
PDE-NET方法求解对流扩散方程	-	PDE-Net	✔️	✔️
PeRCNN方法求解二维Burgers方程	PeRCNN数据集	PeRCNN	✔️	✔️
PeRCNN方法求解三维反应扩散方程	PeRCNN数据集	PeRCNN	✔️	✔️
AI湍流模型	-	MLP	✔️	✔️
物理编码消息传递图神经网络PhyMPGN求解时空PDE	PhyMPGN数据集	PhyMPGN		✔️
数据与物理混合驱动下的物理场预测模型	Allen-Cahn数据集	UNet2D	✔️	✔️
融合物理机理的复杂流动温度场预测	-	SDNO	✔️	✔️

物理驱动

案例	数据集	模型架构	GPU	NPU
PINNs方法求解Burgers方程	Burgers数据集	PINNs	✔️	✔️
PINNs方法求解圆柱绕流	圆柱绕流流场数据集	PINNs	✔️	✔️
PINNs方法求解Darcy流动	-	PINNs	✔️	✔️
PINNs方法求解泊松方程	-	PINNs	✔️	✔️
PINNs方法求解玻尔兹曼方程	-	PINNs	✔️	✔️
PINNs方法求解泰勒-格林涡	-	PINNs	✔️	✔️
PINNs方法求解NS方程反问题	NS方程反问题数据集	PINNs	✔️	✔️
PINNs方法求解二维带点源的泊松方程	-	PINNs	✔️	✔️
PINNs方法求解Kovasznay流动	-	PINNs	✔️	✔️
PINNs方法求解周期山流动问题	Periodic Hill数据集	PINNs	✔️	✔️
PINNs方法求解Allen-Cahn方程	Allen-Cahn数据集	PINNs	✔️	✔️
CMA-ES&多目标梯度下降算法	Periodic Hill数据集	PINNs	✔️	✔️
META-PINNs算法	-	PINNs	✔️	✔️
MOE-PINNs算法	-	PINNs	✔️	✔️
R-DLGA算法	-	PINNs	✔️	✔️
NSFNets方法求解不可压缩 Navier-Stokes 方程	-	NSFNets	✔️	✔️

CFD

案例	格式	数据集	GPU	NPU
二维/三维声波方程求解	CBS	二维/三维声波方程数据集	-	✔️
Sod激波管	Rusanov	-	✔️	-
Lax激波管	Rusanov	-	✔️	-
二维黎曼问题	-	-	✔️	-
库埃特流动	-	-	✔️	-

社区

加入 MindScience SIG

西北工业大学张伟伟

北京大学董彬

中国人民大学孙浩

郑州航空工业管理学院马浩

加入昇思MindScience SIG，助力AI流体仿真发展。 MindSpore AI+科学计算专题，北京大学董彬老师Learning and Learning to solve PDEs专题报告。我们将不断发布开源实习任务，与各位共同构筑MindSpore Flow生态，与领域内的专家、教授和学生一起推动计算流体力学的发展，欢迎各位积极认领。

核心贡献者

感谢以下开发者做出的贡献 🧑‍🤝‍🧑：

yufan, wangzidong, liuhongsheng, zhouhongye, zhangyi, dengzhiwen, liulei, guoboqiang, chengzeruizhi, libokai, yangge, longzichao, qiuyisheng, haojiwei, leiyixiang, huangxiang, huxin,xingzhongfan, mengqinghe, lizhengyi, lixin, liuziyang, dujiaoxi, xiaoruoye, liangjiaming, zoujingyuan, wanghaining, juliagurieva, guoqicheng, chenruilin, chenchao, wangqineng, wubingyang, zhaoyifan