计算流体力学（CFD）里应用注意力机制（attention）是否可行？ 第1页
1
li-xin-yu-20-30 网友的相关建议:
个人感觉，CFD主流还是倾向于用基本的确定物理规律（三大方程+状态方程等），辅助以少量的经验模型（DNS甚至不使用经验模型）来预测物理现象，对黑箱的接受度还不高。
2022年更新，之前是我孤陋寡闻了，在此表示歉意。PINN这一类已经不算是“黑箱”了，他的本质就是凑出拟合函数来优化全局误差，和有限元凑出插值函数的思路差不多。能接受有限元，就会慢慢接受PINN。
如果将来能够提高精度，深度学习完全有希望胜任CFD模拟，且它的重算，微扰计算和反问题求解相当快，搞三维超实时仿真也没问题。
jin-xue-feng 网友的相关建议:
对CFD不熟，可以参考一下电磁仿真（麦克斯韦方程）和分子动力（牛顿力学），现在在这些领域有一些进展了，一般的范式是通过经典的方程生成小数据，基于这个小数据进行神经网络训练实现小尺度到大尺度的扩展，性能上可以实现数量级的提升；当然神经网络不一定是attention机制，同时CFD，尤其是湍流，难度比其他领域更大，更复杂，不确定这个方法是否好使，不过万一有效，那也是一篇nature啊。
MindSpore在电磁仿真和分子动力学上做了一些探索，供参考：
1
相关话题
想往航空航天领域创业，请问各位大大有什么看法？GAN:固定训练好的判别器网络，去指导训练生成器为什么不可以？
领域自适应需要用到测试集数据，这样的方法有啥意义呢？
从高处往下倒水，为什么刚开始水是连成一条线，往下就成了散开的水珠？
搞机器学习的生环化材是天坑吗？
机器学习里面的流形都是怎么用的？
如何看待Meta（恺明）最新论文ViTDet：只用ViT做backbone（不使用FPN）的检测模型？
如何看待 TI7 上与 Dendi solo 的 OpenAI？
全连接层的作用是什么？
在计算机视觉任务中，运用Transformer和Non-local有何本质区别？
下一个讨论
你是因为什么而喜欢上编程的？
相关的话题
现在的人工智能是否走上了数学的极端？为什么说深度学习没有理论基础?
国内做NLP业务的香侬科技值得去吗？
请解释下variational inference？
GAN生成的数据没有标签怎么用来训练分类模型？
大牛Bengio 团队最新的研究和我自己之前的研究成果重复了，应该怎么办？
分类机器学习中，某一标签占比太大（标签稀疏），如何学习？
如何评价最新的Octave Convolution？
如何评价「Patches are all you need」?
实体提取任务中使用BERT-CRF时，CRF根据数据统计可以得到转移概率，为啥还要训练呢？
如何评价 NVIDIA 发布的 DGX-1？
为什么GAT能够实现Inductive learning，而GCN不行？
风扇有几片扇叶怎么设计的，家电风扇三片，排风扇 5-8 片，抽油烟机十几片，涡扇几十片？
为什么都说神经网络是个黑箱？
Graph Attention Network的本质是什么？
计算机视觉和自然语言处理，哪个更具有发展前景呢，还是各有千秋呢？
如何理解MCMC中的细致平稳条件？
deepmind发表的neural processes(神经过程)，这个是怎么实现的呢？
水滴形是不是阻力最小的形状？
为什么谈论深度学习工具时，很少有人讨论matlab的神经网络工具包？
风扇有几片扇叶怎么设计的，家电风扇三片，排风扇 5-8 片，抽油烟机十几片，涡扇几十片？
如何评价基于游戏毁灭战士（Doom）的AI死亡竞赛大赛结果？
机器学习如何才能避免「只是调参数」？
计算流体力学（CFD）里应用注意力机制（attention）是否可行？
卷积神经网络（CNN）的结构设计都有哪些思想？
如何看待Capsule Network在NLP领域的潜力？
什么是蒙特卡罗 Dropout(Monte-Carlo Dropout)？
GAN:固定训练好的判别器网络，去指导训练生成器为什么不可以？
流体力学中为什么要引入涡量？
机器学习里面的流形都是怎么用的？