KTH皇家理工学院发明新深度学习工具 可有助于减少空气阻力造成的排放

深度学习工具彻底改变了飞机、汽车和船舶的空气动力学工程，使这些出行工具能够更加节能且结构更加精致。据外媒报道，瑞典皇家理工学院（KTH Royal Institute of Technology）发明新的计算模型，可依靠神经网络架构生成准确的空气动力阻力预测，同时节省时间、成本和能源，进一步推动了气流再现科学的发展。相关研究已发表于期刊《Nature Communications》。

‌‌‌​​‌​​⁠‌​‌‌‌​​​⁠‌​​​‌​‌​⁠‌‌‌​​‌‌​⁠‌​‌‌​‌​‌⁠‌​‌‌​‌‌‌⁠‌‌‌​​‌‌‌⁠‌​​‌‌​‌‌⁠‌​​‌​‌‌​⁠‌‌‌​​‌​​⁠‌​‌‌‌​​​⁠‌​​‌​‌‌​⁠‌‌‌​​‌‌‌⁠‌​‌‌‌‌​‌⁠‌​​‌​​​‌⁠‌‌‌​​‌‌‌⁠‌​‌‌‌​‌‌⁠‌​​‌‌‌​​⁠‌‌‌​​‌‌​⁠‌​​​‌​‌​⁠‌​​​​​​​⁠‌‌‌​​‌‌​⁠‌​​‌‌‌​​⁠‌​‌​‌‌‌‌⁠‌‌‌​​‌‌​⁠‌​​‌‌‌​​⁠‌​​​‌​​‌⁠‌‌‌​‌​​‌⁠‌​​‌‌​​‌⁠‌​​‌​​​​⁠‌‌‌​​‌​‌⁠‌​​​​‌​‌⁠‌​‌​‌‌​​⁠‌‌‌​​‌​‌⁠‌​​​‌‌‌‌⁠‌​‌‌‌​​​⁠‌‌‌​​‌‌‌⁠‌​​​‌​​‌⁠‌​​​‌​​​⁠‌‌‌​​‌‌​⁠‌​​‌‌‌​‌⁠‌​​​​​‌‌⁠‌‌‌​​‌‌​⁠‌​​​‌​​‌⁠‌​​​​​​​⁠‌‌‌​​‌‌​⁠‌​​‌‌‌​​⁠‌​​​‌​​‌⁠‌‌‌​‌‌‌‌⁠‌​‌‌‌‌​​⁠‌​​​‌‌​​⁠‌‌‌​​‌‌​⁠‌​​‌‌‌​​⁠‌​‌​‌​‌​⁠‌‌‌​​‌‌‌⁠‌​‌‌‌​‌‌⁠‌​​​‌‌‌‌⁠‌‌‌​​‌​‌⁠‌​​​​‌​‌⁠‌​​​​​​‌⁠‌‌‌​‌​​​⁠‌​‌​‌‌‌​⁠‌​‌‌‌​​​⁠‌‌‌​​‌‌‌⁠‌​‌​​‌‌​⁠‌​​​​​​‌⁠‌‌‌​​‌‌​⁠‌​‌​‌‌​‌⁠‌​‌​​​‌​⁠‌‌‌​‌​​​⁠‌​‌‌‌‌​‌⁠‌​‌​‌‌​​⁠‌‌‌​‌​​​⁠‌​‌‌‌‌​‌⁠‌​‌‌‌‌​‌

图片来源：期刊《Nature Communications》

该框架设计简单，并使用从更复杂的仿真中获得的数据构建，即所谓的降阶模型（ROM）。顾名思义，ROM保留了更复杂模型的最基本特征，同时省略了不太重要的细节。