物理学 > 流体动力学
[提交于 2025年5月3日
]
标题: 大型语言模型驱动的湍流模型开发
标题: Large Language Model Driven Development of Turbulence Models
摘要: 人工智能(AI)在围棋、图像识别和蛋白质折叠等专业任务上已经达到了人类水平的性能,这引发了人们对AI奇点的展望——在这个奇点中,机器不仅匹配而且超越了人类的推理能力。 在这里,我们展示了在湍流建模背景下朝着这一愿景迈出的一步。 通过将一个大型语言模型(LLM),DeepSeek-R1,视为平等合作伙伴,我们建立了一个闭环、迭代的工作流程,在这个流程中,LLM提出了、改进了并推理由逆压梯度(APG)、系统旋转和表面粗糙度影响的近壁湍流模型。 通过多次涉及长链推理和先验及后验评估的交互过程,LLM生成的模型不仅重新发现了已知策略,还综合出了优于基线壁面模型的新策略。 具体而言,它建议引入物质导数以捕捉APG流动中的历史效应,修改壁面定律以考虑系统旋转,并开发基于表面统计信息的粗糙壁面模型。 与通常由人为设计的黑盒架构组成的数据驱动湍流建模方法不同,这里开发的模型具有物理可解释性,并基于明确的推理。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.