又一專業(yè)領(lǐng)域成功引入AI工程師！

而且還是基于DeepSeek、Qwen等國產(chǎn)大模型打造，國內(nèi)研究人員都能用的那種。

不賣關(guān)子了，這就是由英國埃克塞特大學(xué)初旭副教授團(tuán)隊(duì)與北航王文康副教授團(tuán)隊(duì)聯(lián)合打造的OpenFOAMGPT，將AI工程師成功引入計(jì)算流體力學(xué)(CFD)領(lǐng)域。

作為一門介于數(shù)學(xué)、流體力學(xué)和計(jì)算機(jī)之間的交叉學(xué)科，CFD主要研究如何通過計(jì)算機(jī)和數(shù)值方法來求解流體力學(xué)的控制方程，對流體力學(xué)問題進(jìn)行模擬和分析。

而兩位華人副教授領(lǐng)銜的這項(xiàng)研究，主要貢獻(xiàn)在于：通過使用國產(chǎn)模型將相關(guān)成本狠狠打下來了。

在保持相近性能的前提下，國產(chǎn)的DeepSeek V3和Qwen 2.5-Max與國外頂級商業(yè)模型相比，可實(shí)現(xiàn)高達(dá)100倍的成本節(jié)約。

并且還支持本地化部署，團(tuán)隊(duì)使用QwQ-32B模型成功實(shí)現(xiàn)了本地化運(yùn)行。

具體咋回事兒？下面詳細(xì)來看。

基于國產(chǎn)模型的AI CFD工程師

整體而言，在將AI工程師引入CFD領(lǐng)域這件事上，團(tuán)隊(duì)這次主要實(shí)現(xiàn)了“國產(chǎn)化替代”，并探索了在單GPU環(huán)境下的本地部署方案。

一切的一切，都是為了實(shí)現(xiàn)降低成本這一核心目標(biāo)。

據(jù)了解，CFD領(lǐng)域的網(wǎng)格劃分、邊界條件設(shè)置、求解器選擇等工作通常需要專業(yè)工程師投入大量時間，且操作過程中容錯空間極小。

而在之前的研究中，初旭團(tuán)隊(duì)開發(fā)的OpenFOAMGPT已經(jīng)能夠?qū)崿F(xiàn)，讓研究者通過簡單自然語言（如“構(gòu)建三維湍流氣泡上浮模型”或“將湍流模型從k-ε切換到LES”等），自動生成并修正相應(yīng)的OpenFOAM代碼。

這一方式顯著降低了CFD仿真的使用門檻，不過當(dāng)時OpenFOAMGPT使用的還是GPT-4o和o1模型，不僅價格昂貴，而且不便于國內(nèi)研究者使用。

于是這次，兩個團(tuán)隊(duì)聯(lián)合推出最新版OpenFOAMGPT，成功整合了兩款領(lǐng)先的國產(chǎn)大語言模型：

• DeepSeek V3（671B）
• Qwen 2.5-Max：通義千問旗艦版模型

加上之前的GPT-4o和o1模型，團(tuán)隊(duì)接下來進(jìn)行了一系列zero shot的CFD案例測試，包括falling droplets和rising bubble等經(jīng)典復(fù)雜場景。

模型價格和實(shí)驗(yàn)表現(xiàn)如下：

研究結(jié)果表明，在保持相近性能的前提下，國產(chǎn)的DeepSeek V3和Qwen 2.5-Max與國外頂級商業(yè)模型相比，可實(shí)現(xiàn)高達(dá)100倍的成本節(jié)約，為科研機(jī)構(gòu)與中小企業(yè)提供了更具經(jīng)濟(jì)性的技術(shù)選擇。

此外，團(tuán)隊(duì)還成功嘗試了本地部署方案，使用QwQ-32B模型實(shí)現(xiàn)本地化運(yùn)行。

團(tuán)隊(duì)表示，雖然目前大語言模型在CFD自動化應(yīng)用中仍面臨挑戰(zhàn)，但未來可從模型微調(diào)、多模態(tài)融合等方向改進(jìn)，以實(shí)現(xiàn)更高效的CFD解決方案。

團(tuán)隊(duì)介紹

如開頭所言，這項(xiàng)研究由英國埃克塞特大學(xué)初旭副教授與北航王文康副教授領(lǐng)銜，其余作者包括：

• 徐冉：初旭團(tuán)隊(duì)德國斯圖加特大學(xué)博士生，共同第一作者
• 馮晶森：初旭團(tuán)隊(duì)?？巳卮髮W(xué)博士生
• 張清福：北京航空航天大學(xué)流體力學(xué)研究所
• Sandeep Pandey：初旭團(tuán)隊(duì)畢業(yè)博士

團(tuán)隊(duì)表示，這項(xiàng)研究的重要意義在于：

1、降低專業(yè)門檻：OpenFOAMGPT讓非專業(yè)人員能夠通過自然語言描述需求，無需深入學(xué)習(xí)復(fù)雜的OpenFOAM命令與參數(shù)，即可完成基礎(chǔ)案例構(gòu)建與優(yōu)化調(diào)整。

2、成本與靈活性優(yōu)化：不同規(guī)模的用戶群體可根據(jù)精度需求、上下文要求和預(yù)算限制，靈活選擇DeepSeek或Qwen模型，甚至可選擇在本地環(huán)境部署小型模型進(jìn)行試驗(yàn)。

3、跨領(lǐng)域應(yīng)用前景：該技術(shù)框架有望與Ansys、COMSOL等主流CAE軟件深度融合，進(jìn)一步拓展AI在自動化仿真、并行參數(shù)調(diào)優(yōu)和實(shí)時優(yōu)化等領(lǐng)域的應(yīng)用空間。

4、人機(jī)協(xié)作的價值：研究團(tuán)隊(duì)強(qiáng)調(diào)，鑒于CFD問題本身的物理復(fù)雜性和大語言模型生成內(nèi)容的不確定性，專業(yè)人員的監(jiān)督與審核仍是保障模擬準(zhǔn)確性和數(shù)值穩(wěn)定性的關(guān)鍵環(huán)節(jié)。

更多細(xì)節(jié)歡迎查閱原論文。

論文：
https://arxiv.org/abs/2504.02888