OpenFOAM+机器学习，要火到什么程度？ _云知道

之前看机器学习+CFD的文章都是不明不白的。因为做CFD的大部分就是做CFD的，做机器学习的只做机器学习。两者都搞清楚，需要二者都了解。
这几天看到一个论文挺有意思，至少讲的比较清楚。
作者们将OpenFOAM和Tensorflow捆绑起来，求解一些简单的湍流模型。并且结果非常好。
OpenFOAM，是目前世界上最大的开源CFD软件。Tensorflow，Google出品，在机器学习领域绝对一流。
OpenFOAM+Tensorflow，这简直不火都不行啊。
我们先看一下研究结果：
【OpenFOAM+机器学习，要火到什么程度？】

比如上图中，顶上那个是机器学习预测出来的湍流粘度。下面是CFD算出来的湍流粘度。看起来非常屌。
下面是数据图，看起来都是非常吻合：

核心是，我从这篇文章中了解到了一些细节的东西。
目前文章中的工作，主要是对湍流粘度进行的研究。因此，文中首先通过CFD进行大量的数据计算，然后feed到机器学习中进行训练，就可以通过机器学习来预测湍流粘度。
在通过机器学习获得湍流粘度之后，CFD这面求解就会减少若干湍流模型PDE的求解。
剩下的通过OpenFOAM求解压力速度耦合就行了。
要注意：这篇文章中是OpenFOAM + Tensorflow，而不是把OpenFOAM扔了直接上TensorFlow，CFD目测还是需要占据60%的。因为他们只是对湍流粘度进行了研究。
同样，留下来的问题就是整体来讲，CFD+机器学习是否会减少计算时间？因为虽然减少了若干湍流模型PDE的求解，但是机器学习训练还需要一段时间。
作者们这样rebuttal的：
整体上，针对不同的数据这种加速不好预测。但我们可以肯定，在去掉湍流模型PDE之后，我们的速度压力耦合求解可以调用更大的松弛因子。
举例，我们采用SpalartAllmaras模型计算湍流粘度的时候，大约需要3600个迭代步才能收敛。
但我们采用机器学习训练后的湍流粘度，只需要600多步就收敛了！松弛因子可以调用到0.9！
后来，我就有点春春欲动了！
欧天呐，亲爱的克鲁斯！这看起来是一个非常好的路子！！
对于那些外形基本固定，只需要微调的工业设备，先不谈工业化，从科研的角度来讲，貌似是一个非常火的点子。
添加微信免费咨询更多建议
微信号：landuiyun001