粗粒度代理模型：基于图神经网络（GNN）的宏观流场与热场特征捕捉技术体系

图神经网络（GNN）因其对非欧几里得数据的自然表达能力，已成为宏观流场与热场特征建模的核心工具。其核心价值在于：通过图结构的拓扑关系捕捉物理场的空间相关性，同时通过粗粒度建模降低计算复杂度，实现高效且高精度的多物理场预测。以下从架构设计、关键技术、应用场景及性能优势四个维度展开论述。

---

一、架构设计：多尺度图嵌入与动态更新

粗粒度代理模型的典型架构包含层次化图表示、多模态特征融合与物理约束嵌入三大模块（图1）：