王建春 *, 晋国栋

* (南方科技大学工学院力学与航空航天工程系,广东深圳 518055)

† (中国科学院力学研究所非线性力学国家重点实验室,北京 100190)

近几年来,随着高性能计算机和大数据科学的快速发展,机器学习方法在各个领域得到了越来越多的应用.力学学科在过去几十年积累了大量的数值模拟数据、实验测量数据和现场监测数据,这些大规模、高维度的数据蕴含了丰富的物理特征,但传统方法无法有效地处理这些庞大的数据群.机器学习方法可以从巨量的数据海洋中挖掘有用的信息,并能为总结新的物理规律提供有效的指导.另一方面,机器学习方法存在着可解释性差、泛化能力弱、容易过拟合等问题.针对基于第一性原理的力学问题开展机器学习研究,并和已知的物理规律相对照,有助于更深入地理解机器学习方法.因此,与机器学习的交叉融合,将有力地促进力学学科研究范式的创新,并不断拓展该学科的研究深度和应用范围.

机器学习方法已被成功应用于各类力学模拟与控制问题中,包括复杂力学系统的重构和降阶模型、参数识别与反演、湍流和多相流的封闭模型、机翼的气动优化设计、流动控制等.针对一些非常棘手的力学难题,机器学习方法由于其强大的逼近能力和高效的优化算法,能够突破传统方法的研究瓶颈,显示出了该方法的巨大潜力.另一方面,力学相关的工程应用往往要求模型具有一定……