今天小編分享的科學經驗：流體力學專用版DeepSeek，單GPU可跑，成本節約高達100倍，歡迎閱讀。
又一專業領網域成功引入 AI 工程師！
而且還是基于 DeepSeek、Qwen 等國產大模型打造，國内研究人員都能用的那種。
不賣關子了，這就是由英國埃克塞特大學初旭副教授團隊與北航王文康副教授團隊聯合打造的OpenFOAMGPT，将 AI 工程師成功引入計算流體力學 ( CFD ) 領網域。
作為一門介于數學、流體力學和計算機之間的交叉學科，CFD 主要研究如何通過計算機和數值方法來求解流體力學的控制方程，對流體力學問題進行模拟和分析。
而兩位華人副教授領銜的這項研究，主要貢獻在于：通過使用國產模型将相關成本狠狠打下來了。
在保持相近性能的前提下，國產的 DeepSeek V3 和 Qwen 2.5-Max 與國外頂級商業模型相比，可實現高達 100 倍的成本節約。
并且還支持本地化部署，團隊使用QwQ-32B 模型成功實現了本地化運行。
具體咋回事兒？下面詳細來看。
基于國產模型的 AI CFD 工程師
整體而言，在将 AI 工程師引入 CFD 領網域這件事上，團隊這次主要實現了" 國產化替代 "，并探索了在單 GPU 環境下的本地部署方案。
一切的一切，都是為了實現降低成本這一核心目标。
據了解，CFD 領網域的網格劃分、邊界條件設定、求解器選擇等工作通常需要專業工程師投入大量時間，且操作過程中容錯空間極小。
而在之前的研究中，初旭團隊開發的 OpenFOAMGPT 已經能夠實現，讓研究者通過簡單自然語言（如 " 構建三維湍流氣泡上浮模型 " 或 " 将湍流模型從 k- ε 切換到 LES" 等），自動生成并修正相應的 OpenFOAM 代碼。
這一方式顯著降低了 CFD 仿真的使用門檻，不過當時 OpenFOAMGPT 使用的還是GPT-4o 和 o1 模型，不僅價格昂貴，而且不便于國内研究者使用。
于是這次，兩個團隊聯合推出最新版 OpenFOAMGPT，成功整合了兩款領先的國產大語言模型：
DeepSeek V3（671B）
Qwen 2.5-Max：通義千問旗艦版模型
加上之前的 GPT-4o 和 o1 模型，團隊接下來進行了一系列 zero shot 的 CFD 案例測試，包括 falling droplets 和 rising bubble 等經典復雜場景。
模型價格和實驗表現如下：
研究結果表明，在保持相近性能的前提下，國產的 DeepSeek V3 和 Qwen 2.5-Max 與國外頂級商業模型相比，可實現高達 100 倍的成本節約，為科研機構與中小企業提供了更具經濟性的技術選擇。
此外，團隊還成功嘗試了本地部署方案，使用 QwQ-32B 模型實現本地化運行。
團隊表示，雖然目前大語言模型在 CFD 自動化應用中仍面臨挑戰，但未來可從模型微調、多模态融合等方向改進，以實現更高效的 CFD 解決方案。
團隊介紹
如開頭所言，這項研究由英國埃克塞特大學初旭副教授與北航王文康副教授領銜，其餘作者包括：
徐冉：初旭團隊德國斯圖加特大學博士生，共同第一作者
馮晶森：初旭團隊埃克塞特大學博士生
張清福：北京航空航天大學流體力學研究所
Sandeep Pandey：初旭團隊畢業博士
團隊表示，這項研究的重要意義在于：
1、降低專業門檻：OpenFOAMGPT 讓非專業人員能夠通過自然語言描述需求，無需深入學習復雜的 OpenFOAM 命令與參數，即可完成基礎案例構建與優化調整。
2、成本與靈活性優化：不同規模的用戶群體可根據精度需求、上下文要求和預算限制，靈活選擇 DeepSeek 或 Qwen 模型，甚至可選擇在本地環境部署小型模型進行試驗。
3、跨領網域應用前景：該技術框架有望與 Ansys、COMSOL 等主流 CAE 軟體深度融合，進一步拓展 AI 在自動化仿真、并行參數調優和實時優化等領網域的應用空間。
4、人機協作的價值：研究團隊強調，鑑于 CFD 問題本身的物理復雜性和大語言模型生成内容的不确定性，專業人員的監督與審核仍是保障模拟準确性和數值穩定性的關鍵環節。
更多細節歡迎查閱原論文。
論文：
https://arxiv.org/abs/2504.02888
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
學術投稿請于工作日發郵件到：
标題注明【投稿】，告訴我們：
你是誰，從哪來，投稿内容
附上論文 / 項目主頁鏈接，以及聯系方式哦
我們會（盡量）及時回復你
點亮星标
科技前沿進展每日見
