人机协同：动态可视化与规则可解释性增强工程师对生成结果的信任

一、技术背景与核心挑战

生成式模型（如扩散模型、神经算子）在科学计算与工业仿真中的应用日益广泛，但其黑箱特性导致的结果不可解释性与动态演化不透明性，成为工程师信任的瓶颈。根据NERC标准（MOD-026-2），动态模型验证需满足可重复性与可审计性，而生成模型因缺乏显式物理规则约束，常被视为“不可信工具”。通过动态可视化与规则可解释性增强的协同，可构建人机双向反馈机制，实现以下目标：

1. 透明决策：实时展示生成过程的物理约束满足度（如质量守恒、动量平衡）；
2. 异常检测：通过时空演化热力图定位高风险区域（如湍流边界层分离）；
3. 信任量化：基于可解释性指标（如SHAP值、残差谱）评估模型可靠性。

---

二、动态可视化技术体系

1. 多尺度物理场可视化

• 小波域能量谱分析：通过离散小波变换（DWT）将生成结果分解为低频（全局结构）与高频（局部细节），并可视化能量分布。例如，在湍流模拟中，若高频小波系数在边界层区域异常集中（能量占比>30%），提示涡旋破碎风险。
• 时空演化热力图：基于流场速度梯度张量的第二不变量（Q准则）生成涡旋结构，动态渲染其演化过程（图1）。对超临界雷诺数（$Re>10^6$）工况，结合粒子图像测速（PIV）数据对比，误差区域以红色高亮。

2. 可解释性驱动的交互式探索

• 注意力机制可视化：在扩散模型中，通过梯度加权类激活图（Grad-CAM）显示生成过程的关键区域（如熔池模拟中的激光焦点区域）。工程师可手动调整注意力权重，优化局部细节生成。
• 反事实推理界面：允许用户修改输入参数（如边界条件）并实时观察生成结果变化。例如，在拓扑优化中，若降低材料密度阈值，模型自动生成多孔结构并显示应力集中区域。

3. 实时反馈与异常预警

• 残差动态监控：在Navier-Stokes求解器中嵌入残差计算模块，实时显示质量守恒误差（$\Vert \nabla$