深度学习流体力学课程（交流学习欢迎咨询

一、流体力学基础理论与编程实战1.流体力学基本理论2.湍流理论与湍流模型简介3.傅里叶变换和分析4.伪谱法求解流体力学方程a) 非线性Burgers方程案例分析b) 二维不可压NS方程案例分析
二、Fluent简介与案例实战1.Fluent软件概述：软件的功能和特点、Fluent在流体力学中的应用2.网格划分与计算流程：网格划分技术、Fluent计算流程和步骤3.Fluent圆柱绕流案例分析4.两相流的Fluent案例分析（小球入水）5.Fluent结果后处理
三、机器学习基础理论与实战1.人工智能的基本概念2.机器学习算法简介a) 最优化理论算法b) 支持向量机等机器学习算法3.深度学习的基本概念及实战a) RNN与时间序列b) CNN与微分算子4.深度学习在流场超分辨上的应用a) 基于卷积神经网络的流场超分辨分析b) 基于生成对抗网络的流场超分辨分析
四、嵌入物理信息的深度学习构建及其应用物理信息神经网络(Physics-Informed Neural Networks, PINN)a) PINN基本原理介绍b) PINN案例分析2.神经常微分方程(Neural Ordinary Differential Equation, Neural ODE)的基本原理及应用a) ODE时间积分b) Neural ODE实战3.嵌入几何对称性的神经网络及其在哈密顿力学中的应用a) 哈密顿力学基本原理介绍b) 不可分辛神经网络案例分析4.嵌入高精度格式的神经网络及其在可压缩流体中的应用a) 双曲型偏微分方程及其应用b) 嵌入高精度格式的神经网络案例分析
五、流动生成与后处理1.Tecplot可视化展示标量场、向量场等2.Houdini展示渲染高保真流场3.基于扩散模型（Diffusion Model）的流动生成4.BackTrace实现流场高精度可视化a) BackTrace基础介绍b) BackTrace案例分析