近日，在由新加坡国立大学重庆研究院主办的首届国际OpenFOAM燃烧研讨会 (OFCW 2023) 上，来自上海交通大学密西根学院副教授周德智课题组的本科生张淏报告的题为《Fourier Neural Operator Method for Accelerating Reacting Flow Simulations》(用于加速反应流模拟的傅里叶神经算子方法)获颁口头报告一等奖（唯一）。
张淏与导师周德智在首届国际燃烧研讨会上
反应流问题涉及空间与时间多尺度耦合，涉及化学动力学、流体力学、颗粒物生成等，为数值模拟仿真带来了巨大挑战。传统的数值算法存在较大的数值刚度，因此十分依赖高性能计算资源。针对这一问题，张淏在周德智老师的指导下尝试使用机器学习算法对反应流涉及的偏微分与常微分方程组进行高精度求解和预测的工作。他基于具有在无穷维巴拿赫空间中学习映射关系能力的傅里叶神经算子范式，提出了针对反应流问题的多尺度傅里叶神经算子架构。该架构根据对燃烧过程中化学组分特征尺度的判断，实现了对反应流中跨越多尺度的化学组分时间演化的精确预测，且在预测精度上优于现有的其他机器学习架构。
背景介绍
张淏，密西根学院2020级机械工程专业本科生，来自天津，高中毕业于天津市南开中学。目前担任机械工程教学实验室助理。曾获国家奖学金，本科生A等奖学金，吴炯孙洁卓越奖学金，吴炯孙洁阳光奖学金，全国大学生数学建模竞赛二等奖等荣誉。
