能源動力類專業“AI4CFD\"研究生課程建設及探討

【引用格式】.能源動力類專業“AI4CFD”研究生課程建設及探討[J].黑龍江教育（理論與實踐），2025，79（6）：39-41.

【中圖分類號】G643.2 【文獻標識碼】A 【文章編號】1002-4107（2025）06-0039-03

一、引言

當前，AI技術正在掀起新一輪技術革命，其不僅在與科學研究結合方面（AIforScience）開啟了新的研究范式，也正在逐步推動大學課程改革的方向。2024年3月，教育部部長懷進鵬在十四屆全國人大二次會議上指出，AI技術應深入到教育教學和管理全過程、全環節，以研究其有效性、適應性，讓青年一代更加主動地學，讓教師更加創造性地教。可見，加快AI在高等教育領域的創新應用，利用智能技術支撐人才培養模式的創新、教學方法的改革、教育治理能力的提升，對構建智能化教育體系具有重要意義。

能源動力作為近年來新興的一門學科，致力于研究和開發工業動力系統中高效、可持續的能源利用與轉化技術。在現代化教學中，該專業應注重培養研究生跨學科解決問題的能力。因此，為順應數字和智能時代發展需求，能源動力類專業研究生課程必須與時代發展接軌，以實現培養拔尖創新人才的目標。“CFD\"課程是能源動力類專業研究生研究方法類主干課程2，主要講授利用數值分析和算法解決涉及流體流動問題的相關知識，具體包括流體力學基礎、數值方法、湍流建模、網格生成算法和仿真軟件等內容。課程目標為培養學生利用CFD軟件進行流體力學問題的建模和求解，分析和解釋數值模擬結果，并應用于工程實際的能力。傳統“CFD\"課程主要采用教師講授課本知識、研究生被動接受信息的較為單一的教學方式，而且采用統一的教學內容和進度也忽視了研究生的個體差異，導致個性化教育不足。與此同時，教師在適應現代技術方面的能力也存在欠缺，難以有效促進學生在課堂中的互動與參與。

人工智能的興起深刻改變了教學形態。因此，將傳統“CFD\"課程與AI技術融合，通過與機器學習和數據驅動等方法結合，開設“AI4CFD\"課程并設計相應課程內容，有利于研究生掌握如何優化網格生成、加速數值求解和改進湍流模型等關鍵技術，從而推動工程和科研領域的創新和發展。“AI4CFD\"課程不僅能提升研究生在CFD領域的專業能力，還能為研究生在AI技術的跨學科應用上提供堅實基礎。同時，利用現代化平臺還可以增強課程的多元性。

二、“AI4CFD\"研究生課程教學方案組織

（一）合理設置課程目標與內容

“AI4CFD\"作為一門新興的交叉課程，是在傳統流體力學的基礎上利用先進的智能計算和控制方法，實現對流體行為的精確建模、預測和控制。智能流體力學的研究和應用不僅有助于提高流體系統的性能和效率，還能為工程和科學領域帶來新的突破和創新。課程主要內容將圍繞智能流動建模與仿真、智能流體控制與優化和智能流體傳感與監測3個角度開展。通過引入AI技術，如機器學習、模式識別和控制算法等，實現對流體行為的智能化處理。“AI4CFD\"課程將傳統的基于理論和經驗的方法與智能計算方法相結合，能夠更準確地描述流體的運動和變化規律，提高研究和應用的效率和可靠性。課程將引入最新工具，如當前流行的AI、CFD工具和軟件（如Tensor-Flow、PyTorch、百度飛槳、OpenFOAM和FLUENT等），以保持課程的實用性和前沿性。

（二）面向適應新興工程需求的教學定位

新興工程需求的特點是技術的快速迭代和跨學科的融合，這就要求研究生課程必須具備前瞻性、靈活性和實踐性，以適應這些變化并培養研究生的綜合能力。能源動力類專業研究生培養目標是培養具有扎實理論基礎、先進專業技術和創新科研能力的高層次人才。研究生應熟悉能源轉換與利用技術，具備獨立科研和創新思維能力，掌握跨學科知識，以提升實踐操作和工程實踐能力；同時還要具備良好的溝通、團隊合作和項目管理能力，以及國際視野和跨文化交流能力，有社會責任感和職業道德，以推動可持續能源技術的發展和應用。“AI4CFD\"課程以面向適應新興工程需求的教學定位為核心，旨在培養能夠應對現代工程挑戰的高素質人才。在當今科學技術迅速發展的背景下，AI和CFD的融合為解決復雜流體動力學問題提供了前所未有的可能性。同時，相關的科研案例和AI實踐平臺還可以驅動研究生主動學習和進行創造性學習，培養研究生團隊協作能力。隨著國內外AI技術爆發式更迭及傳播平臺的多樣化，研究生終身學習的意識也會不斷被激發，國際化視野也將不斷被開拓。

（三）組建課程師資團隊與成員優化

課程組師資成員主要來自于理工大學“能動設備傳熱傳質與生物質轉化利用\"科研團隊。“AI4CFD”課程負責人同時也是該科研團隊的負責人。因此，課程負責人能夠較好地協調授課內容及成員安排。課程負責人曾在新加坡國立大學開展訪問學者工作，積累了充足的AI4CFD領域的教學和研究經驗，也在此期間萌生了開設“AI4CFD\"課程的想法。師資團隊的其他校內成員曾在RenewableEnergy等期刊發表多篇\"AI與生物質熱解轉化\"相關論文，對“AI4CFD”課程的開設和組織熱情較高。此外，學校還聘請了中科院工程熱物理研究所數字孿生研究中心的工程師，主要負責講解基于AI的葉輪機械性能快速預測與敏捷設計方法，讓研究生了解智能燃氣輪機及航空發動機的相關內容，對一線科研和生產單位有更深入了解，切實滿足工程研究生的培養要求。

（四）實踐項目驅動和多樣化互動教學激發學生興趣

通過項目驅動教學，研究生可以參與實際的工程項目和案例分析，應用所學的AI和CFD知識解決復雜的實際問題。這種教學方法不僅使理論知識更加生動具體，還能激發研究生的興趣和創新意識。在課程中，研究生將組成團隊，利用AI實訓平臺和AI算法框架承擔不同的項目角色。以復現論文案例、解決工程問題和自由探索為目標要求，研究生共同完成從問題定義、方案設計到最終實現的全過程，進而培養合作精神和實踐能力。

此外，課程通過多樣化的互動教學手段，如研討會、平臺實訓、企業參觀和專家講座等，豐富研究生的學習體驗。通過這些活動，研究生不僅能夠了解最新的技術發展和行業動態，還能與專家、同行進行深度交流，開闊視野。課堂內的討論和演示、嘩哩嘩哩和慕課等在線學習平臺上的資源共享和互動，進一步增強了研究生的學習積極性和主動性，使他們在不斷探索和交流中保持對AI4CFD領域的熱情和興趣。

三、“AI4CFD研究生課程教學實施方案

（一）基于AI時代背景，培養研究生跨學科綜合素養

AI技術正在深刻改變著各個行業的生產方式和效率，將有力推動和構建新質生產力發展格局。深度學習、強化學習和物理信息驅動學習等AI算法是科學計算和應用中常用的方法手段，而神經網絡算法是上述智能算法的核心。神經網絡相關方法涉及大量代數及矩陣運算，包含分層結構、非線性激活函數、梯度下降和正則技術等多種邏輯思維，需要學生有較高的數學基礎。算法通過Python ?C++ 等計算機語言實現，主要利用顯卡多計算核心進行并行計算。此外，卷積神經網絡等算法還涉及大量圖形可視化操作。因此，AI技術對研究生在計算科學、編程及圖形學等方面的知識有較高要求。

CFD主要是利用有限體積、有限差分、有限元和邊界元等數值方法離散流體控制方程，進而實現通過數值方法求解流體流動與傳熱問題。然而，由于納維一斯托克方程非線性、強耦合和多尺度等原因，在進行物理信息驅動學習方面，對相關數學及CFD理論等基礎知識的要求將進一步提高。由于湍流、多相流和激波等流動問題存在強時空特性，在結果分析和數據處理方面還需要統計學相關理論知識。

可見，“AI4CFD\"課程內容涵蓋CFD和AI基礎、AI算法在CFD中的應用和實例操作等內容，涉及數學、計算機科學、統計學和流體力學等多學科知識，對數值計算和編程能力要求較高。授課過程中應注意由淺人深，通過VScode、Spyder和PyCharm等Python語言編譯平臺，示范利用TensorFlow和PyTorch框架搭建各種神經網絡模型，進而結合流體仿真或實驗所得數據集，預測和分析流動結果。最終鍛煉研究生跨學科整合能力，提升研究生的跨學科綜合素養。

（二）結合科研項目案例，激發研究生科研探索熱情

隨著AI技術在CFD領域的不斷深人，出現了大量基礎研究、應用基礎研究和工程應用研究相關的結合案例。目前，結合機器學習的CFD研究文獻正呈現井噴式增長，研究人員結合監督學習、非監督學習和半監督學習算法，在流體流動優化與控制方面開展了大量研究。課堂上可結合網上已公開的圓柱繞流、后臺階流和方腔流等案例示范講解網絡模型、數據集生成及結果可視化等源碼實現過程，讓研究生體會到從苦澀難懂的代碼轉變為實在的流動結果的樂趣，促使研究生增強動手自主復現學術論文的能力，激發研究生主動探索和發表高水平論文的動力。

課程負責人長期從事燃氣輪機領域流動與傳熱相關研究，主持和參與了多個與AI結合的科研項目，從壓氣機性能快速預測、燃燒室效率及污染物分析，再到渦輪冷卻性能評估，積累了大量工程項目案例。因此，課堂上可選取典型案例，圍繞氣膜孔和交錯肋片等渦輪葉片冷卻方式，分別開展單孔、多孔、渦發生器及實際葉片構型的冷卻性能預測模擬，從中對人工神經網絡、卷積神經網絡、循環神經網絡及對抗神經網絡等多種深度學習模型展開研究，使研究生系統地對AI方法和具體工程應用有深入了解。可見，通過典型案例分析，可以幫助研究生理解AI技術在具體領域中的應用，拓展研究生知識面和視野，激發研究生的科研探索熱情。

（三）利用百度飛槳AI實訓平臺，培養研究生自主實踐能力

百度飛槳AI實訓平臺為國產資源AI項目開發平臺4，平臺上有大量開發者公布的AI案例項目，從數字識別、圖像識別、目標檢測到科學計算，研究生均可在平臺上找到自己感興趣的項目。另外，研究生通過注冊飛槳平臺用戶可以得到免費計算時長，直接在平臺上通過已經配置好的編譯環境和網絡模型框架進行編程和案例實現，這極大縮減了初學者在開發工具準備階段付出的時間和硬件成本，避免了各種干擾因素的影響，有利于研究生加深對CFD和AI算法方面核心知識的學習。

飛槳平臺上有大量CFD開發者公開的實訓項目，因此，研究生不僅可以接觸數據驅動案例，還可以對目前較為流行的相關物理信息驅動項目進行實訓。例如，基于物理信息神經網絡模型實現頂蓋驅動流的案例，可以通過物理邊界條件和初始條件作為激活函數，嵌入到神經網絡模型中并進行鍛煉，獲得可用物理機理解釋的流場預測結果。飛槳平臺不僅實訓項目豐富，還具備自動評分系統。根據研究生代碼運行及調試情況，給予研究生實時反饋。研究生可通過反饋情況優化和調整代碼，教師也可以掌握協作項目開發進程。研究生開發代碼遇到困難時，可以在在線討論區提出問題，經驗豐富的工程師或其他開發者可以提供即時互動式反饋。另外，研究生完成的項目需通過導師和同學的雙重評審，即導師提供專業反饋，同學之間互相評價。通過評審反饋，開發的項目可以迭代改進。可見，通過百度飛槳AI實訓平臺可以建立有效的反饋機制，及時向研究生提供學習建議和改進措施，幫助研究生不斷提升自主實踐能力。

（四）課程與創新創業比賽融合，切實提高研究生創新能力

課程設置將圍繞智能流動建模與仿真、智能流體控制與優化、智能流體傳感與監測等模塊展開，并引入創新創業比賽作為實踐環節。具體而言，研究生將在課程學習過程中結合所學理論知識，組建團隊參與創新創業比賽。比賽主題涵蓋流體力學領域中的前沿課題和實際應用問題。例如，基于深度學習算法的智能風力渦輪葉片優化比賽項目，利用某風電設備制造公司提供的實際應用場景和數據支持，通過神經網絡智能算法和CFD仿真，大幅縮減渦輪葉片形狀設計成本，進而采用3D打印技術制備模化風力機裝置，實驗驗證技術方案。

通過比賽，研究生將經歷從問題定義、方案設計、實驗驗證到成果展示的完整創新過程。在此過程中，導師將提供全方位指導，幫助研究生優化創新方案，提高項目的可行性和實用性。此外，比賽設置多元化的評審標準，包括技術創新、商業價值、實施可行性和團隊合作等維度，全面評估研究生的創新能力和創業潛力。利用學校和社會平臺，課程還將引入相關企業和孵化器資源，為研究生提供實際項目和創業孵化的機會，使其在真實環境中鍛煉創業能力。通過創新創業比賽，研究生不僅能將理論知識應用實踐，還能培養創新思維、團隊合作和項目管理能力。這種融合模式有助于研究生在學術和職業生涯中實現更高水平的成就，推動AI與CFD領域的創新和進步。

四、結束語

AI技術正在深刻變革人們的生產生活方式。AI賦能新質生產力將直接引領世界第四次科技革命。在此時代背景下，高校能源動力類專業研究生培養應緊隨時代步伐，為高素質、寬基礎和創新型工程人才培養貢獻中堅力量。AI4CFD也正在逐漸改變傳統流體力學研究范式，因此，開設此門前瞻性課程具有重要意義。面向新興工程需求的教學定位，合理設置課程目標與內容，優化配置師資團隊，結合實踐項目和多樣化教學手段激發研究生興趣，通過深度學習開發框架、百度飛槳AI實訓及大學生創新創業比賽等多維平臺，培養研究生實踐動手能力，助力研究生形成跨學科、寬視野和大格局的綜合素養。

【參考文獻】

[1]周江林.AI4S對我國高校基礎研究的影響機理及實踐邊界[J].教育發展研究，2023，43（21）：31-38.

[2] 徐天宇，于奎，王正君.TBL模式在“流體力學數值計算\"課程中的應用[J].黑龍江教育（高教研究與評估），2022，76（3）：69-70.

[3]李蓓.人工智能視域下高校創客教育的實施路徑[J].黑龍江教育（理論與實踐），2020，74（9）：29-32.

[4] 潘剛，丁進，孫迪.基于百度飛槳平臺的計算機視覺課程改革與實踐[J].高教學刊，2024，10（2）：10-14.