谢邀看到帅哥眼发直超花痴（谢邀刚刚落地）
谢邀看到帅哥眼发直超花痴（谢邀刚刚落地）流体泛指一切能流动的物质，它是一种受任何微小剪切力的作用都会连续变形的物体，可以说是像雾像雨又像风。对于流体的研究从公元前250年阿基米德受国王检验皇冠之托就开始了，中间经历了达芬奇对流动漩涡的初识、再到牛顿和莱布尼茨突破性的微积分发明，数学与物理学的紧密结合，将流体层层剖析分解，展示出了流体在复杂多变之间的巨大魅力。实际上，从乘驭大型客机的空气到输运邮轮的水流，从彩条牙膏为什么挤出来颜色不会混在一起，到百米的高楼大厦如何保证安全和高效经济的设计方案，根源都跟流体有关。这是因为在飞机着陆阶段，发动机往往处于低功率运行状态，而起落架和高升力装置都被开启，它们打破了机体原本的气动外形，在高速气流作用下而产生复杂的分离流场，导致气动噪声显著增加，甚至超过发动机本身的轰鸣声。当飞机开始降落，收起小桌板之后，只能无聊地看着窗外，听着高低起伏的噪声再搭配上令人不适的耳压，这感觉，真是酸爽啊！因此我们大
之前一段时间的一个讨论可以说是十分出圈，大概的意思是飞机餐其实味道还是不错的，但是在飞机上嘈杂的BGM影响下，人们的胃口受到严重影响，因此感觉飞机餐很难吃。
你吃过的最“难忘”的飞机餐是啥？丨 giphy.com
飞机上有噪音众所周知，但如何尽可能地选择一个远离噪音的位置，比机上其他乘客优雅舒适几小时呢？
哪里有空气，哪里就有机上噪音如果你仔细聆听过飞机上的噪音，可能会发现噪音也是有三六九等之分的——在起飞或者平飞时，噪音比较稳定且规律，这时的飞机发动机的确是主要的噪声源。但到了飞机降落时，噪音就开始此起彼伏，更加尖锐刺耳。
这是因为在飞机着陆阶段，发动机往往处于低功率运行状态，而起落架和高升力装置都被开启，它们打破了机体原本的气动外形，在高速气流作用下而产生复杂的分离流场，导致气动噪声显著增加，甚至超过发动机本身的轰鸣声。当飞机开始降落，收起小桌板之后，只能无聊地看着窗外，听着高低起伏的噪声再搭配上令人不适的耳压，这感觉，真是酸爽啊！
因此我们大概可以得出结论，要想选择一个安静的位置，应该避开飞机中间机翼的位置，而是尽可能地选择靠前。怪不得头等舱都在前端，这钱果然没白花！
你可能还是会觉得很奇怪——为什么明明轻柔无形的空气，能产生这几十上百分贝的噪音波澜呢？今天的民用客机相比100年前已经有了天翻地覆的优化，从旋翼到固定翼，从涡桨发动机到涡轮发动机，噪音已经得到了极大的改善，而这些优化都离不开人们对“流体”的深挖。
实际上，从乘驭大型客机的空气到输运邮轮的水流，从彩条牙膏为什么挤出来颜色不会混在一起，到百米的高楼大厦如何保证安全和高效经济的设计方案，根源都跟流体有关。
最难琢磨的流体流体泛指一切能流动的物质，它是一种受任何微小剪切力的作用都会连续变形的物体，可以说是像雾像雨又像风。对于流体的研究从公元前250年阿基米德受国王检验皇冠之托就开始了，中间经历了达芬奇对流动漩涡的初识、再到牛顿和莱布尼茨突破性的微积分发明，数学与物理学的紧密结合，将流体层层剖析分解，展示出了流体在复杂多变之间的巨大魅力。
达芬奇绘制的流体
直到今天，对于流体的研究依然在继续，其中作为科学难题的湍流，两个世纪以来依然是物理学中最难而又久未解决的基础理论研究课题。就连英国著名的流体力学家贺拉斯·兰姆（Horace Lamb）也曾经吐槽说：“我已经很老了，当我去到天堂见到上帝的时候，我会问他两个问题，一个是关于量子力学的，一个是关于湍流的。我估计，第一个问题是有答案的。”
湍流作为一种流体质点的脉动，体现着非线性、反平滑与不可测。有点难理解？其实湍流现象在自然界中十分常见，你看到河中的险滩急流，当它们碰到礁石后，就会被打散成为旋转的浪花；你在静置的牛奶中倒入一杯浓缩咖啡，咖啡顺流直下触及杯底后又旋转上升；徐徐上升的青烟，本来呈柱状上升，但上升到一定高度，烟就开始变得不稳定，这些都是湍流。甚至放眼整个大气层，它也是一个巨大的湍流系统。
湍流无处不在
1883年的雷诺圆管湍流实验可以简单解释湍流的本质——当玻璃管中的水流缓缓流动时，滴入红墨水后会发现一道清晰的红色水平流线，它和清水互不混合，分层流动，这被称为层流；随着逐渐加大水流速度，红色墨水开始变得不再清晰，流线开始出现波状的摆动，摆动的频率及振幅也逐渐提高，墨水几乎被完全混合，而且流线周围还有许多小漩涡，这就被称为湍流。
雷诺实验
雷诺发现，当流体的惯性力和黏性力的比值超过 2300 时，层流就会变成湍流。这个比值也被学术界称为雷诺数，它成为了一种可以用来表征层流与湍流之间界限的无量纲数。
雷诺实验 | thermal engineering
因此，从各个角度来看，湍流是一种时间上无序、但统计上又存在一定规律的运动，它不仅难以捉摸，而且还热衷于搞破坏。在1966年，一架波音707客机就曾受到晴空湍流的影响，导致尾舵断裂，升降舵和发动机也随之脱落，最终飞机坠毁，乘客无一生还。如果能够提前预知晴空湍流的发生原理，或者模拟湍流的影响反过来设计优化飞机结构，是不是就可能避免这样的灾难再次发生呢？
1966年的因为湍流引起的空难丨pilotfriend.com
愿望很美好，但难点在于，今天我们还是无法彻底搞追踪、模拟出湍流的演变过程，仍然需要复杂深入的数学建模和解析。20世纪以来，如何让飞机飞得更平稳，潜艇的噪音更小、风力发电场的排布更合理、气象预报更准确，甚至如何模拟星系团的运动，解答各种天体形成的谜题，都需要湍流问题的解决，因此对湍流研究的需求变得空前迫切。为了搞明白湍流的奥秘，太多的青年才俊的科学家一入湍流深似海，熬白了头发也无法自拔。
计算的难题我们对湍流的复杂性大概已经有了一个初步的接触。但既然要讲科学，那么湍流的复杂性是否可以被量化呢？
湍流运动复杂性的根源在于它是强非线性系统的运动。我们可以通过控制湍流运动的方程——Navier-Stokes (N-S) 方程来描述它，但这是一个非线性方程，也就是不能用直线表达它的函数图，而且它也是一种典型的微分方程，精确解很难求，只能算个大概。我们先暂时不用知道这个方程要怎么解，只需要知道在多数情况下，它的解不稳定，从而导致了流动的多次分叉，形成了复杂流态，而方程的非线性又使各种不同尺度的流动耦合起来，无法将它们分别研究。
这就相当于高考完了之后，你跟同学们对答案却发现每个人的答案都不一样，但明明题目给的都是一样的……这种绝望感也是几代科学家们研究湍流的真切感受，今天“N-S方程是否存在唯一解”还居于著名的克雷数学研究所选定的 7 个千年大奖问题之中，不过湍流本身的复杂性却排山倒海般拦在所有人面前。
N-S方程 | thermal engineering
那如果人脑计算太费劲，是不是可以让电脑来算呢？从Prandtl到Baldwin再到Spalding，经历了几代科学大佬的模型演化，再加上大型计算机及计算科学的发展，湍流研究紧闭的大门总算是被撑开了一条门缝。其中Spalding团队在上世纪六七十年代提出的“SIMPLE算法”就通过“先猜想后修正”的方法来得到压力场，并求解离散化的动量方程——需要不断对给定的压力场进行一遍一遍的修正和迭代，并检查速度场是否收敛，最终得出收敛的解，成为了目前工程上应用最为广泛的一种流场计算方法。这么繁杂的计算任务几乎只能通过计算机来协助完成，而今天的CAE（Computer Aided Engineering）计算机辅助工程就通过物理仿真，成为了工程设计中的重要软件工具。
普朗特提出的混合长度理论将湍流计算从数学引向了工程应用
但是对于飞机或者轮船来说，要计算出它们的完整流场，基于俄罗斯科学家提出的“湍能级串”理论，大漩涡会破裂成为小漩涡，一层一层就像套娃一样，要把这些所有的漩涡穷举、拼凑成一个整体，那么计算机的算力和容量至少要比现在的巨型机提高几十上百倍，更不用说要对付洋流和气流这种几百上千米尺度的湍流了，本身结果就不唯一且存在误差，要是将结果轻易用于实际的工业设计，后果可能不堪设想。
可以说，传统的计算技术的发展不但没有减少对湍流研究的压力，反而还可能让湍流研究受限，因此这也需要更新的方式和思路来对湍流进行认知和研究。
找到计算的跃迁点 ——AI流体力学虽然是一个古老的学科，但至今仍是一个对数学和物理学基础依赖很强的工程科学，而且一直都是依赖于基本方程、基本模型和计算方法。好在流体领域目前已经积累了多年的高质量数据，为解决流体力学中的重大挑战问题提供了新的机遇。这标志着一个新的研究方向——智能流体力学的诞生。
中国商飞上海飞机设计研究院与华为合作，基于昇腾AI联合开发了业界首个工业级流体仿真大模型"东方.御风"，帮助大飞机有效解决大型客机减阻等难题。
在流体力学领域的AI的处理方法主要以基于数理统计的概率推断为主，不涉及微分方程数值计算，从而相对于CAE求解可以实现数量级的耗时下降。在湍流建模的机器学习工程中，科学家们将经典微分方程进行了改善，引入了神经网络模型来进行建模，对于传统计算过程中模型参数和模型形式导致的不确定度，还可以在机器学习中采用灵敏度分析，概率分析以及贝叶斯方法等加以量化来提高精度。经过数据日益强大的人工智能方法的助攻，不仅可以发展新型的数值方法提高精度和鲁棒性，还能减少人工干预和计算成本。
机器学习应用于湍流建模的主要研究方向及流程 | 参考资料[1]
在大型客机的科研制造过程中，为了保证飞机的安全、舒适、经济和环保，需要将航空器周身的风阻系数降到极低，而传统的流体研究时需要修建直径动辄数十米，风速几马赫以上的风洞。而且飞机动态失速等机动飞行是在很大攻角下的机动过程，这个机动过程的实现以及控制是一项非常有挑战性的工作。
但基于昇腾AI 的大模型"东方. 御风"就大幅提升了对飞机不同条件下飞行的复杂流动仿真能力，减少风洞重复试验的次数，降低设计成本。依托昇思MindSpore流体仿真套件，"东方.御风"大模型在飞机机翼翼型几何构型、来流马赫数、攻角三个因素发生变化时，可泛化推理翼型周围的流场及升阻力，通过 AI 预测的流场平均误差降低到 10^-4 量级，仿真时间可缩短24倍，大大降低了研发成本。
"东方.御风"作为业内首个提升民用航空安全性、舒适性、经济性和环保性的工业级流体仿真大模型，精度媲美传统流体计算软件，同时，模型可对流场中变化剧烈的区域（如激波）进行精准预测，平均误差低至万分之一量级，达到工业级标准。要知道，大型客机每减阻1 count（风阻系数单位），就能多载客超过2500/人次/架/年，同时带来超50万元/架/年的燃油成本节省。而"东方.御风"将单次计算耗时缩短24倍，可以大大缩短研发周期，让航空领域“如虎添翼”。
精度可靠 效率攀升
也正是因为流体在自然界的存在太过广泛，影响十分深远，在中国空气动力学会指导下，由唐志共、吴光辉、鄂维南院士为代表的产业界领军人物和30多家全球头部流体力学高校、科研院所与龙头企业共同组建了智能流体力学产业联合体，并将以昇腾 Al 等自主创新人工智能技术为基础，推动人工智能与气流休力学的深度融合，加速流体力学领城科研创新、技术进步、广业升级，人才培养。为飞机、高铁、汽车、轮船、桥梁建筑等大制造行业提质增效，开创中国大制造产业新速度。
从 “大鹏一日同风起，扶摇直上九万里”再到“乘风破浪会有时，直挂云帆济沧海”，这是古人面对劲风与海洋的力量，从内心深处发出的敬畏和感慨。也正是得益于几百年上千年来，人类智慧对流体奥秘的不断探索，在今天我们可以成功看到工业流体大制造仿真与昇腾AI 结合的伟大尝试，以人工智能技术带动大飞机气动设计，为飞机流场快速仿真提供技术支撑，为工业级流体仿真提供通用技术的成功实践。
相信当“大风起兮云飞扬”，科技也将再一次掀起时代的波澜，我们可以欣慰地看到更多科技挑战自然之力的中国身影，让困顿多年的全球流体研究迎来新的突破，并不断向上。
