科学家们开发了一种基于人工智能的流体仿真模型，它在保持准确性的同时显著减少了计算时间。这种方法可能对离岸发电、船舶设计和海洋监测有所帮助。
人工智能在社会中引发了巨大的变革；现在，它正将目光投向海洋本身。
大阪市立大学的研究人员开发了一种由机器学习驱动的流体仿真模型，显著减少了计算时间而不影响准确性。他们快速而精确的技术为离岸发电、船舶设计和实时海洋监测等潜在应用开辟了路径。
准确预测流体行为对依赖波浪和潮汐能量的行业以及海洋结构和船只设计至关重要。虽然粒子方法——允许粒子模拟流体流动行为——是一种常见的方法，但它们需要大量的计算资源，包括处理能力和时间。通过简化和加速流体仿真，基于人工智能的替代模型在流体动力学研究中引起了轰动。
然而，人工智能并非没有缺陷。
大阪市立大学工程研究生院的助理教授和该研究的主要作者日垣武文表示：“人工智能可以为特定问题提供卓越的结果，但在应用于不同条件时往往会遇到困难。”
为了创造一个始终快速且准确的工具，团队利用一种名为图神经网络的深度学习技术开发了一种新的替代模型。研究人员首先比较了不同的训练条件，以确定哪些因素对高精度流体计算至关重要。随后，他们系统地评估了模型对不同仿真速度（称为时间步长）和各种类型流体运动的适应能力。
研究结果显示出在不同流体行为中的强泛化能力。
日垣表示：“我们的模型在各种流体场景中保持与传统粒子仿真相同的准确性，同时将计算时间从约45分钟缩短到仅3分钟。”
这项研究标志着高性能流体仿真的一步进展，提供了一种可扩展和可泛化的解决方案，在准确性与效率之间取得了平衡。这些改进不仅限于实验室。
日垣说：“更快和更精确的流体仿真可以显著加速船只和离岸能源系统的设计过程。它们还能够进行实时流体行为分析，从而最大化海洋能源系统的效率。”
该研究发表在《应用海洋研究》杂志上。
