另一个专业领域已成功介绍了AI工程师！
它也建立在国内大型模型（例如Qwen）上，该模型可以由国内研究人员使用。
这不再是问题了。这是由英国埃克塞特大学副教授Chu Xu的团队和大学副教授Wang 团队共同创建的，该团队成功地将AI工程师引入了计算流体机械学领域（CFD）。
作为数学，流体力学和计算机之间的跨学科学科，CFD主要研究如何通过计算机和数值方法来求解流体力学的控制方程，并模拟和分析流体力学问题。
这项研究由两位中国副教授领导的这项研究的主要贡献是使用国内模型来降低相关成本。
在保持相似的性能的同时，与顶级外国商业模式相比，国内V3和QWEN 2.5-MAX可以节省100倍的成本。
它还支持本地化部署。该团队使用QWQ-32B模型成功实现了本地操作。
这是怎么回事？让我们在下面详细介绍一下。
基于国内模型的AI CFD工程师
总体而言，在将AI工程师引入CFD领域时，该团队这次主要实现了“国内更换”，并在单个GPU环境中探索了本地部署解决方案。
一切都是为了实现降低成本的核心目标。
据了解，在CFD领域的网格划分，边界条件设置，求解器选择的工作通常需要专业工程师投入大量时间，并且在操作过程中，容错空间非常小。
在先前的研究中，Chu Xu的团队已经实现了实现的认识，该实现使研究人员可以通过简单的自然语言自动生成和纠正相应的代码（例如“构建三维湍流浮动浮动模型”或“将湍流模型从K-ε转换为LES”等）。
这种方法大大降低了使用CFD模拟的阈值，但是当时使用了GPT-4O和O1模型，这不仅昂贵，而且对于国内研究人员来说，使用不便。
因此，这次，两个团队共同推出了最新版本，成功整合了两个领先的国内大语言模型：
接下来，该团队在以前的GPT-4O和O1型号中，进行了一系列零射击CFD案例测试，包括经典的复杂场景，例如等。
模型价格和实验性能如下：
研究结果表明，与顶级外国商业模式相比，国内V3和QWEN 2.5-MAX的成本可以节省100倍，提供了更经济的技术选择。
此外，团队成功尝试了本地部署解决方案，并使用QWQ-32B模型实现了本地操作。
该团队说，尽管大型语言模型仍然面临CFD自动化应用程序的挑战，但将来可以从模型微调和多模式融合的方向来改进它们，以实现更有效的CFD解决方案。
团队介绍
正如一开始所述，这项研究由英国埃克塞特大学副教授和北京大学副教授的王祖领导，其余的作者包括：
小组表示，这项研究的重要性是：
1。降低专业阈值：启用非专业人员通过自然语言来描述他们的需求，并完成基本案例构建和优化调整，而无需深入学习复杂的命令和参数。
2。成本和灵活性优化：不同大小的用户组可以根据准确性要求，上下文要求和预算约束灵活地选择或QWEN模型，甚至选择在本地环境中部署小型模型进行实验。
3.跨域应用程序前景：预计该技术框架将与主流CAE软件（例如ANSYS）深入集成，并进一步扩大AI在自动模拟，并行参数调整和实时优化等字段中的应用空间。
4。人类计算机协作的价值：研究团队强调，鉴于CFD问题本身的身体复杂性以及大型语言模型所产生的内容的不确定性，对专业人员的监督和审查仍然是确保模拟准确性和数值稳定性的关键链接。
本站候鸟号已成立3年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论