面向多尺度燃烧的 AI 驱动代理建模：综述与展望

燃烧科学的最新进展使得通过高保真模拟、详细化学动力学计算和发动机相关测量产生了海量数据，为跨相互作用物理与化学尺度的数据驱动建模创造了新机遇。在这些方法中，人工智能已成为构建代理模型的一个有前景的框架，能够降低计算成本、实现大幅加速并支持复杂反应系统中的预测。本综述对面向多尺度燃烧的 AI 驱动代理建模提供了前沿评估，涵盖化学动力学、机理简化、湍流火焰、燃烧室、发动机和排放预测。我们检验并比较了监督、无监督以及混合或物理引导的学习方法在预测精度、物理一致性、计算效率以及跨条件和尺度的泛化能力方面的表现。本综述进一步讨论了关键挑战，包括跨燃料和运行工况的有限可迁移性、外推误差、数据集和基准的不一致性，以及为实际燃烧工作流构建鲁棒且可信模型的困难。我们指出了未来的机遇在于为下一代燃烧研究开发更可靠、可扩展且具有物理基础的代理框架。