迈向AI流体科学家：基于大语言模型的实验流体力学科学发现
流体动力学
2025-12-05 v1 人工智能
摘要
人工智能与实验流体力学的融合有望加速发现，但大多数AI应用仍局限于数值研究。本工作提出一种AI流体科学家框架，自主执行完整的实验工作流程：假设生成、实验设计、机器人执行、数据分析和论文撰写。我们通过研究圆柱体的涡激振动(VIV)和尾流诱导振动(WIV)来验证该方法。本工作有四项关键贡献：(1) 一台具有程序化控制流速、圆柱位置和激励参数(振动频率和振幅)以及数据采集(位移、力和力矩)的计算机控制循环水槽(CWT)。(2) 自动化实验以4%以内的频率锁定和匹配临界间距趋势重现了文献基准(Khalak和Williamson [1999]以及Assi等人 [2013, 2010])。(3) 含人机协同(HIL)的框架发现了更多WIV振幅响应现象，并使用神经网络从数据中拟合物理定律，比多项式拟合高31%。(4) 含多智能体与虚实交互系统的框架端到端执行数百次实验，自动完成从假设生成、实验设计、实验执行、数据分析到论文撰写的整个科学研究过程。该框架极大解放了人类研究人员并提升了研究效率，为实验流体力学的发展与研究提供了新范式。
引用
@article{arxiv.2512.04716,
title = {Towards an AI Fluid Scientist: LLM-Powered Scientific Discovery in Experimental Fluid Mechanics},
author = {Haodong Feng and Lugang Ye and Dixia Fan},
journal= {arXiv preprint arXiv:2512.04716},
year = {2025}
}