蓋世汽車訊 據外媒報導，瑞士蘇黎世聯邦理工學院（ETH Zurich）的研究人員首次將流體力學與人工智慧技術相結合，成功將湍流建模實現了自動化。該項目將強化學習算法與CSCS超級計算機Piz Daint上的湍流模擬融合在了一起。
流體概念圖（圖片來源：蘇黎世聯邦理工學院）
湍流建模與仿真對於設計汽車和人工心臟瓣膜、預測天氣、甚至是追溯一個星系的誕生都至關重要。約2000年前，希臘數學家、物理學家和工程師阿基米德曾致力於流體力學，但截至今日，流體流動的複雜性仍未被人完全理解。物理學家理察費曼認為湍流是經典物理學中最重要的未解問題之一，而且仍是工程師們、科學家們和數學家們經常研究的話題。工程師們在製造飛機或者人工心臟瓣膜時必須考慮到湍流的影響；氣象學家在預測天氣，天體物理學家在模擬星系是也需要考慮到湍流的影響。因此，此類領域的科學家們一直在對湍流建模，並在仿真湍流方面進行了逾60年的研究。
湍流的特點是其流體結構跨越了廣闊的時空界限，通常有兩種方式模擬此類複雜的流體結構：一種是直接數值模擬（DNS），另一種是大渦模擬（LES）。
DNS解決了Navier-Stokes方程，該方程是描述流體的核心方程，解析度高達數十億甚至數萬億個柵格點（建模常用捕捉對象）。DNS是計算流體行為最準確的方法，但是並不適用於大多數真實應用。為了捕捉此類湍流流體的細節，需要大量的柵格點，而目前任何計算機都無法處理如此大量的柵格點。
用於建模的多代理強化學習示意圖（圖片來源：蘇黎世聯邦理工學院）
因此，研究人員在模擬中採用了模型，從而可以計算出每個細節，並保證準確性。在LES方法中，大流體結構得到解決，而所謂的湍流閉合模型解釋了更微小的流體，以及其與更大尺寸流體的互動情況。不過，為了得到準確的結果，挑選正確的閉合模型至關重要。
蘇黎世聯邦理工學院計算機科學與工程實驗室教授Petros Koumoutsakos表示：「在過去60年中，湍流閉合模型的建模在很大程度上遵循了經驗過程，現在，則更多的是一門藝術，而不是一門科學。」Petros Koumoutsakos教授與其博士生Guido Novati和前研究生Hugues Lascombes de Larousillhe（現為蘇黎世大學博士生）提出了一個新策略，將這一過程實現了自動化，即利用人工智慧（AI）技術從DNS中學習最好的湍流閉合模型，並將此類模型應用到LES方法。具體而言，研究人員研發了新型強化學習（RL）算法，並將其與物理知識相結合，對湍流建模。
研究人員研發的新型RL算法利用解決流場的柵格點作為AI代理，通過觀察成千上萬個模擬流體學習湍流閉合模型。為了進行如此大規模的模擬，需要利用CSCS超級計算機Piz Daint。在訓練之後，該代理能夠自由地模擬此前未經過訓練的流體。
該系統通過與流體一起「玩」來學習湍流模型，在其成功將LES與DNS結果匹配起來時，就贏了。在LES方法中，該AI只通過觀察已經得到解決的大尺寸流體來執行未被解決的流體的行動。據研究人員所說，新方法不僅優於現有的建模方法，而且還可以不考慮到柵格大小和流體的條件進行推廣。
該方法的關鍵部分是新型算法，能夠識別出之前哪些模擬與每種流體狀態有關。研究人員表示，在流體力學以外的多個基準問題方面，Remember and Forget Experience Replay（記憶與遺忘體驗回放）算法的表現超越了目前大多數RL算法。該團隊認為，他們新研發的方法不僅在汽車製造和天氣預報方面具有重要意義。Koumoutsakos表示：「對於科學技術中最具挑戰性的問題，我們只能解決「大尺寸」的問題，並對「微小」的問題建模，而新研發的方法提供了一種強大的方法，能夠利用AI技術為各種尺寸的問題自動建模。」