山东智顷数位学习有限公司

近日，西北工业大学航空学院张伟伟教授团队将Transformer网络架构运用到航空器翼型的流场快速预测研究中，极大提升了流场建模和设计效率。相关研究成果以《Fast aerodynamics prediction of laminar airfoils based on deep attention network》为题在线发表于国际流体力学知名期刊《Physics of Fluids》。该论文被选为当期的主编推荐特色文章，并被美国物理联合会《科学之光》进行了专访报道。西北工业大学航空学院2021级博士生左奎军为该论文的第一作者，西北工业大学航空学院张伟伟教授和中国空气动力研究与发展中心的袁先旭研究员为该论文的共同通讯作者。

论文围绕深度学习与空气动力学交叉融合进行研究，创造性地将在自然领域被广泛使用的transformer网络架构用于翼型的几何编码任务，发现transformer网络架构针对不同的翼型均表现出较强的几何泛化性，且与卷积神经网络等模型相比几何可解释性更强。同时，进一步将几何特征、雷诺数、攻角等物理信息进行了融合编码，构建了融合特征与待预测流场之间的映射关系，为发展高效的基于数据驱动的深度学习流场预测方法提供了新解决思路。