AI CFD科学家：面向开放的计算流体动力学发现，具有物理感知的AI智能体
TLDR
AI CFD Scientist是一个开源AI智能体，通过物理感知验证自主进行计算流体动力学发现，在壁面Cf RMSE上实现了7.89%的改进。
评分理由
Strengths: novel integration of vision-based physics verification and full workflow automation for CFD; demonstrated improvement on a benchmark. Weaknesses: limited to a single backbone (GPT-5.5) and only five tasks; generalizability to other CFD problems not shown.
Read-first 评分解释
综合优先阅读分 80.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 90。
研究版图角色
前沿论文方法锚点复现锚点
排序敏感性
稳定性：stable；排名波动范围：1。
关键词评分
深度分析
创新点
- 首个在单一可检查工作流中整合基于文献的构思、验证执行、基于视觉的物理验证、源代码修改和基于图形的写作的CFD AI科学家
- 视觉-语言物理验证门控，通过检查渲染流场来检测求解器级别检查遗漏的静默失败
- 三个耦合路径：固定求解器内的参数扫描、针对新物理模型的案例本地C++库编译、以及针对参考比较器的开放式假设搜索
方法
AI CFD Scientist使用GPT-5.5骨干网络，通过Foam-Agent在OpenFOAM上运行，包含三个耦合路径：参数扫描、将新物理模型编译为C++库、以及开放式假设搜索。一个中央视觉-语言门控在结果被接受、重新运行或写入之前检查渲染流场以验证物理有效性。
关键结果
该系统自主发现了一个Spalart-Allmaras运行时修正，在Reh=5600的周期性山丘上将下壁面Cf RMSE相对于DNS降低了7.89%；通用AI科学家基线（ARIS, DeepScientist）因缺少有效性门控而无法产生可辩护的主张；视觉-语言门控在植入失败消融中检测到了16个静默失败中的14个。
局限性
- 视觉-语言验证门控在消融研究中遗漏了16个植入静默失败中的2个。
技术栈
GPT-5.5OpenFOAMFoam-AgentC++Vision-language model