武科大网讯（通讯员李帅帅）11月13日，加拿大滑铁卢大学连复桑应邀来js官网，于青山校区教一楼415会议室作题为“Machine-learning-based RANS turbulence modeling framework”的学术报告，报告由机械学院副院长汪朝晖教授主持。机械学院70余名师生参加了本次报告。
连复桑以计算流体力学（CFD）在工业中的应用为题，探讨了湍流特性及其数值计算的研究意义。他指出，湍流模型计算工作量巨大，选择最合适的数值算法是流体研究低成本化的关键。
连复桑随后围绕流体研究中雷诺平均（RANS）、大涡模拟（LES）及直接数值仿真（DNS）三种数值模型分别进行了详细的讲解。他以三种模型的机理及其相应融合的神经网络作对比，向在座师生展示了不同模型下计算机的求解情况。他表示：“在湍流场模型计算研究中，一种数值模型能够同时实现高精度和低成本往往是非常困难的，要与现实场景中的计算需求相匹配。”
针对湍流计算时模型的选择难题，连复桑为现场师生展示了他和团队的解决思路及研究成果，通过精选数据集驱动机器学习构建湍流模型的方式，获得了最佳涡流粘度等关键参数。连复桑就湍流模型与N-S方程耦合求解等研究作出展望，机器学习在未来的湍流模型化中将成为破题关键，关于模型与求解器的耦合问题值得进一步研究。
“本次报告会为在座师生提供了解决模型验证难题的新思路，同时连复桑教授会后还积极鼓舞同学们要辩证地学习及研究，大胆探索学术世界，使得参会同学纷纷受益良多。”汪朝晖总结道。
