元学习非定常流场建模网络

新参数少样本快速适应

基于CNN-AE的元学习框架，能学习不同物理参数下流场间的相关性，对新的物理参数只需少量快照和有限训练轮数即可实现模型的快速适应。

Zhang, Xinshuai · Xie, Fangfang · Ji, Tingwei · Zheng, Changdong · Hongyu, Zheng · Zheng, Yao

Engineering Applications of Artificial Intelligence 2023

技术优势

泛化性能提升

通过元初始化，模型在新任务上泛化性能显著增强，优于传统CNN-AE。

应用场景

• 非定常流动建模：用少量快照即可适应新参数，替代从零训练的高成本建模方式。
• 气动外形优化：快速预测不同外形下的非定常流场，加速优化迭代。
• 流场快速预测：新工况下仅需少量快照即可快速获得高精度预测模型。