2021年6月25日15：30，由西安建筑科技大学力学技术研究院（IMT）开展的力学家访谈，在IMT成功进行。本期访谈的嘉宾是北京应用物理与计算数学研究所李杰权研究员。
访谈掠影
力学家访谈源于对力学家的致敬，希望以访谈的形式请他们分享自己的学术成果、科研心得、新思想，以此激励学生的科学研究激情。采访内容如下：
问：计算流体力学作为流体力学发展的一个重要分支，您认为它在研究流体问题中与理论及实验研究有哪些关联与区别？
答：首先它们都是研究力学问题的重要方法。区别于实验及理论研究方法，计算流体力学从上世纪一战后开始起步，二战后得到了蓬勃发展。特别是，航天航空、核物理等领域巨大地推动了计算流体力学的发展。到目前为止，计算科学是研究方法的三大支柱之一，其作用在将来会或远远超过其它方法，因为很多实验是没法做或禁止做的，这样可科学计算的优势就得到了很好的体现。我相信，随着计算技术的发展，将来其作用会非常之大。对于年轻人来说，这是一个非常值得学习的重要方向。
问：我们了解到您对高精度时空耦合算法的发展做出了巨大的努力，其中，理论上的 Cauchy-Kowalevski方法与数值解中的Lax-Wendroff方法，均是某种意义下的时空耦合方法，您能简单介绍一下这两种方法的区别与联系吗？
答：Cauchy-Kowalevski方法是微分方程中非常重要的方法之一，起源是Cauchy(柯西)提出的针对微分方程解的存在性，后来Kowalevski给出了偏微分方程解的方法。Lax-Wendroff方法是1960年提出的一种基于有限差分的数值方法，这种方法比时空解耦的方法要更加复杂，在工程上应用相对较少。这两种方法均是数学方法，“流通量”的概念在这两种方法中都没有提及，如何正确认识这些，仍有很多非常值得做的工作。
问：随机性和非线性结合在一起使湍流方程几乎难以解决，您认为未来能否通过计算流体力学与人工智能、机器学习等有效结合，很好地解决湍流方程，从而确定性地解决湍流问题？
答：首先，人工智能、机器学习等与计算流体力学的有效结合，可以极大的推动计算流体力学的发展，利用机器学习等对实际工程问题的解决是非常有帮助的。目前针对湍流问题，机器学习只是针对某些未知信息（系数）做一些拟合的工作，默认湍流模型的特定形式。湍流问题十分复杂，湍流模型形式以及使用还有待商榷，这种问题机器学习是解决不了的，一定是人的智力才能够有效认识这个问题。非线性问题要作乘积，随机性需要作平均化处理，平均的乘积和乘积的平均结果差别是一个非常重要的问题！基于工程问题，短期内引入机器学习等可以有效帮助解决一些特定的问题；但对湍流问题更深入的认识，仅靠机器学习、人工智能还是不够的。
问：随着科学技术的进步，流体力学这门学科发展迅速，而计算流体力学在近十几年也有长足的发展，您认为在未来，计算流体力学的发展会走向何方？哪些方面是计算流体力学所急需突破的？
答：计算流体力学（CFD）具有工程价值，很多都是工程驱动的。因此，很多工程问题，特别是大工程问题往往为国家战略，需要一个群体共同努力。对于个人而言，可以通过科学的方式认识物理问题（流体运动）的基本原理、现象等，在研究的过程中可能会出现一些出人意料的结果出来，推动这一学科的发展。很多好的问题往往很难预料，都在研究的过程中不断挖掘出来的。
问：计算流体力学已成为每一位流体力学研究生必备的研究工具，您对于初步接触学习计算流体力学的研究生有什么好的建议？
答：有一个关于“鸟和青蛙”的故事，说的是做“鸟”好还是做“青蛙”好。实际上，根据个人的特点，我觉得这两种做法都是很好的事情。对于计算流体力学，现在大部分都是为工程服务，所以很难说应该如何做，主要是问题牵引为导向。对于学生而言，如果想要一生致力于计算流体力学研究，还是要踏踏实实从基础学起，偏微分方程、数值分析、code等缺一不可，只有这样才能有机会飞向蓝天。当然，使用商业软件、落脚于具体问题的解决也是没有问题的，主要看个人的兴趣导向，关键在于热爱与坚持。
撰稿人：刘哲
校对：刘哲
当前位置: