2019年1月23日，浙江大学交叉力学中心在教十二118会议室举行力学-人工智能研讨会，出席会议的有杨卫院士，航空航天学院书记毕健权老师，浙江大学的王宏涛老师，还有北京大学的夏振华老师，上海大学的王鹏老师，研讨会由交叉力学中心王宏涛老师主持。全场讨论氛围热烈，研讨会取得了圆满成功。

        研讨会开始，首先由杨卫院士致辞。杨院士表示，近年来，随着人工智能的不断发展，越来越多的科研人员开始利用人工智能来解决各个领域的问题。力学作为自然科学的基础之一，也总能率先提出解决关键问题的新思路新解法。事实上，无论在分子动力学还是流体力学中，都有着困扰很多年的“疑难杂症”，而人工智能就为解决这些关键问题提供了新思路。而本次研讨会则正是我们交换关于这一问题的经验的宝贵机会。

       首先进行报告的是来自北京大学的许得豪同学，报告的题目是机器学习在湍流建模中的研究、进展和调研报告。许得豪同学主要讲了他在这一问题上所作的调研结果。湍流作为流体力学中的大难题，其中的许多问题至今都难以解答，而对于其的数值计算，同样有着计算消耗巨大的问题。常用的传统计算流体力学方法（CFD）有直接数值模拟（DNS），大涡模拟（LES），雷诺平均方法（RANS）。在近些年来，不同的科研团队对如何使用机器学习研究湍流问题进行了不同的尝试，也各自都有着不错的进展和不足。许同学为我们介绍了这些科研团队的不同思路，不同的结果与问题，例如基于机器学习的RANS建模方法等。

        第二位报告的是来自北京大学的郭先文同学，报告的题目是基于机器学习的 RANS 建模方法的测试。在许同学的报告里提到的就有用机器学习进行RANS建模方法，这里郭同学则详细介绍了他在这一方法上进行的尝试。郭同学机器学习使用的数据集就是利用一个经典湍流算例的RANS计算结果，最终的训练结果有一定优点，但是也存在他一些问题，主要是在近壁位置的流场与RANS结果差距较大，其他部位则拟合得较好。与分子动力学不同的是，湍流的数据集获取对计算资源消耗较大，缺少数据使得训练结果过拟合可能是问题之一。同时，郭同学也提出了一种改进方法，即只对误差较大的趋于进行学习，而对其它部分利用计算损耗小的方法，这可能是以后优化训练结果的一种思路。

        第三位报告的是黄屹澜同学，报告题目是深度学习中的生成算法。黄同学首先介绍了人工智能在近几十年的发展，尤其是近几年发展尤为迅猛。然后黄同学讲了近些年来，深度学习在计算机视觉方面所做出的一些有趣的课题。比如通过算法识别图片内容，合并两张图片中的不同部分等等有趣的内容。报告中所提到的一些算法也对我们以后的科研提供了新的思路和方法。

        第四位报告的是王宏涛老师，题目是高效高精度原子模拟的瓶颈。王老师首先介绍了传统的分子动力学模拟方法，最为经典的莫过于原子嵌入式（EAM）势函数，但是该势函数的瓶颈显而易见，在模拟单质时还能保持较好的精度，但是对于合金却无能为力，结果精度较差。前两年我们开发的介原子模型相比EAM有一定改进，但仍存在问题。基于此，我们正努力开发出一套基于机器学习的高熵合金势函数，希望能够彻底打破合金势函数拟合不准的瓶颈。

        第五位报告的是王鹏老师，题目是人工智能算法在分子动力学领域中的应用。王鹏老师对于我们交叉力学中心进行的神经网络势函数进行了具体阐述。具体方法就是首先利用第一性原理算出足够数量的数据集，然后利用神经网络去学习这些数据，从而能够较好的拟合分子间作用势。目前我们所获得的结果已经能够达到接近第一性原理结果的精度，同时计算效率又远胜于第一性原理，所以可见利用神经网络去拟合势函数这一思路还是很有潜力的。当然，我们的势函数目前还有一定的问题，比如目前只能描述相变，一些典型的材料微观行为如位错移动还不能描述等，而这些问题也有待我们进一步去解决。

        第六位报告的是金永斌同学，题目是数据驱动的机器人设计及控制。金同学首先介绍了近年来一些利用人工智能和脑机接口实现利用义肢代病人运动的例子。而他目前与求是实验室合作的也正是类似的内容。金同学需要制造出一个能灵巧操纵的机械手，该手在接入机械臂之后能够代病人实现一些运动，如灵巧抓握等。目前该工作已经接近完成。

        本次力学-人工智能研讨会就这样圆满结束了，会上大家对于各自的研究经验与问题进行了热烈地探讨，相信会对大家以后的科研带来巨大帮助。