CFD计算流体力学流体深度学习

流体仿真工具集

覆盖传统 CFD 与深度学习代理模型的流体仿真工具链,含开源求解器、数据集与前沿论文。

更新于 2026年11月3日 共 9 个资源
导语

为什么做这个合集

流体仿真是工程物理 AI 最活跃的应用方向之一。本合集从工具链视角整合资源:

  • 深度学习代理模型:用神经网络替代传统求解器,实现 100x 加速。
  • 可微物理:JAX-CFD 等框架让 CFD 可端到端优化,打通设计与控制闭环。
  • 高质量数据集:AirfRANS、CFDBench 等提供验证基准。

本合集特别适合同时了解 CFD 机理与深度学习方法的工程师与研究者。

深度学习代理模型 4 个资源

AirfRANS

流体 / CFD · 翼型 RANS
参数化翼型 RANS 流场数据集,体积小、ML 管线友好,是学习流体代理模型(surrogate)的入门首选。由 NeurIPS 2023 发布,含 1000+ 参数化翼型 RANS 仿真,可直接喂入 DeepONet / FNO / GNN 训练;提供 OpenFOAM / SU2 解算器基线。
ODbL CFD翼型RANS
💬 编辑点评: 提供翼型全工况气动数据,适合训练代理模型替代 RANS 求解

CFDBench

CFD 基准 / 多场景
专注计算流体力学(CFD)场景的多物理场数据集,覆盖内流、外流、热对流等典型工程场景,含时序与稳态数据。数据集含内流(管流、腔流)、外流(钝体绕流、翼型)与热对流(瑞利-贝纳尔)多任务,时间序列与稳态快照均覆盖。
见LICENSE文件 CFD流体热对流
💬 编辑点评: 覆盖内流、外流与热对流的多场景基准,稳态与瞬态兼备,适合做跨工况泛化评测

传统与可微求解器 5 个资源

JAX-CFD

可微流体求解器
Google Research 基于 JAX 的可微不可压流体求解器,整条时间推进可微、可在 GPU/TPU 上 JIT;PNAS 2021 提出学习型插值取得同等精度下约 80×/40× 加速,现已停止维护,宜作研究原型与对照。
新 Apache-2.0 JAX可微物理CFD
💬 编辑点评: JAX 实现的全可微 CFD 框架,天然适配科学机器学习工作流

JAX-Fluids

可微 CFD 求解器
基于 JAX 的全自动可微 CFD 求解器,支持 CPU/GPU/TPU,专注端到端可微流体仿真,可与神经网络无缝耦合做梯度反传,是科学机器学习中可微物理的代表。
新 GPL-3.0 JAX可微CFD可微物理
💬 编辑点评: 同样基于 JAX 的可微流场框架,与 JAX-CFD 形成互补,适合对照学习两种 API 风格

OpenFOAM

通用 CFD 求解器
开源 CFD 求解器与物理 AI 数据底座:讲清原理、算例结构、上手路径、横向对比、成本口径与失效边界,说明何时该用它生成语料、校验代理模型。
新 GPL v3 CFD开源求解器

SU2

气动 / 设计优化求解器
开源 CFD 与离散伴随(adjoint)求解器,内置气动外形优化;以与变量数无关的梯度成本支撑 PDE 约束优化,是代理模型的高保真对照与 CAE 工业链路常用底层。
新 LGPL-2.1 CFD伴随方法气动优化
💬 编辑点评: 开源跨平台 CFD 求解器,与可微框架形成「传统 vs 可微」的直接对照

PETSc

数值求解库 / HPC
阿贡国家实验室维护的高性能科学计算库,提供大规模线性/非线性方程组求解与并行基础设施,是高端 CFD 与多物理场仿真的底层求解核心,BSD-2-Clause 商用友好。
新 BSD-2-Clause 求解器线性代数稀疏矩阵