在中国航天科技集团有限公司十一院空气动力科学中心，也不乏类似的“尤里卡”时刻。
“用传统方法模拟可压缩多介质流，遇到极端复杂问题时可能出现建模困难、难以求解等问题。为什么不能用人工智能的方法克服这些困难？用标准的机器学习做这个问题又会出现预测不准的情况怎么办？”灵光乍现，空气动力科学中心许亮提出了一种内嵌物理约束的多介质流体耦合作用神经网络模型。
就像电脑程序突然按下回车键——一条新路跑通了。今年6月，这一成果发表在国际SCI期刊《计算科学杂志》上。
✦
✦
向前探索
让AI成为每个航天人都会用的工具
✦
火箭发动机设计师每天面对无数未知的挑战，他们不仅要思考如何让火箭飞得更高、更快，还要深入研究那些隐藏在发动机深处的“暗知识”——那些既无法表达又无法直接感受的知识，隐藏在更深层次的未知领域。
“‘可压缩多介质流’听起来是个比较专业的术语，其实在航空航天、生物医疗、应用物理等领域都有着比较广泛的应用。简单来说，对于可压缩流体，尤其在高压高速等条件下，其体积和密度都会发生变化，这本身就是一个研究难题。对于多介质问题的研究，又涉及两种复杂流体的耦合，其研究难度更大。”许亮解释，在复杂的系统中，有些关键动态并不是显而易见的，需要通过深入的分析和理解来把握，而这种深层理解就是“暗知识”的体现。
“那些人类认知之外的知识是存在的，但是我们不知道它们在哪里。”许亮坦言，面对航天领域那些“暗知识”带来的难题，传统的试验方法往往显得力不从心。因此，试验耗时长、成本高，而且很难全面覆盖所有可能的情况。
事实上，在人工智能领域，“暗知识”的影响尤为明显。高级机器学习模型如深度神经网络，在处理信息和做出决策时，往往存在一种黑箱效应。模型的设计者有时也无法完全解释其决策过程。
这些由大量数据训练而成的模型，提炼出的模式和知识，很多时候超出了人类直接理解的范畴。如同探索一个未知的领域，人们看到的只是冰山一角，而其庞大的知识基础和决策逻辑则隐藏在水面之下。
2020年，面向国家基础研究需求，十一院设立了空气动力科学中心，重点开展空气动力学及其交叉领域前沿基础研究，探索人工智能、量子计算为空气动力学深度赋能的技术与方法，破解制约未来先进空天飞行器创新发展的前沿基础难题。
也是从4年前开始，许亮就在考虑如何将人工智能与空气动力学相融合。他认为，依靠人工智能，或许是航天工作者应对未来挑战的关键。
“未来，人工智能要成为每个科研人员都会用的工具。想象一下，在输入相关的参数和数据后，这一工具就能迅速生成多种可能的结果。”许亮说，未来人工智能会像一位聪明的助手，能够帮航天人从海量数据中挖掘出隐藏的规律和趋势，使航天人解决问题的速度提高几个量级，研究工作事半功倍。
2023年，空气动力科学中心组建了人工智能空气动力交叉科学实验室。实验室现在正在做的一件事，就是如何把人工智能这一工具建立起来。
✦
✦
向深研究
如何将这一工具打造得
能用、好用？
✦
在空气动力学科中引入AI（人工智能）也不是一件容易的事。空气动力科学中心副主任王强透露，技术成熟度是他们必须直面的首要难题。
尽管AI在其他领域（如下棋、人脸识别、自动驾驶等）已显示出显著的应用效果，但在空气动力学这一专业性强、数据密集的领域，AI的应用仍处于摸索期。
技术的不成熟意味着研究团队需要不断试验和优化AI模型，以适应空气动力学的复杂特性。与其他领域相比，空气动力学领域的研究更加依赖于深厚的数学和物理基础。因此，在将AI应用于空气动力学时，必须充分考虑物理约束，并具备将两者有机融合的能力。
“AI模型的建立和优化是一个不断迭代的过程，需要研究人员不断试错和调整。在这个过程中，如何确保模型的通用性和准确性，是一个巨大的挑战。”王强表示，为了应对空气动力学领域的复杂性和多样性，还需要不断积累领域知识，提升技术水平，以应对这一复杂而漫长的研究过程。
早在十几年前，许亮就在博士生导师的带领下对可压缩多介质流算法进行了研究。近几年，他考虑将AI技术引入空气动力学领域。但基础研究往往具有不可预见性和长期性，空气动力学的复杂性和AI技术的局限性，使得研究过程中可能会遇到各种未知问题和挑战。
“这些问题可能需要花费大量时间和精力去解决，甚至可能导致研究方向的调整或重新选择。”许亮补充道，在探索AI在空气动力学领域的应用时，研究团队要耐得住寂寞，承受长时间的研究周期和不确定性带来的压力，还要具备跨学科的知识和视野，将AI技术与空气动力学深度融合，创造出真正具有实用价值的研究成果。
✦
✦
向一线靠拢
将研究“理论”链接好工程“实践”
✦
在学术带头人的带领和空气动力科学中心行政部门的支持下，团队成员可以接触国内外一流专家学者，及时了解同行们正在探索的领域和取得的最新成果，共同探讨具有前瞻性、开创性的学术问题，提供潜在的研究方向。
除了国际前沿研究动态，面向国家重大需求也是选题的重要来源。如何将研究“理论”链接好工程“实践”？王强表示，关键在于一定要将技术问题有效转化为科学问题。
王强举例说，载人飞船再入大气层的热防护问题是一个典型的技术问题。为了将其转化为科学问题，研究人员可以关注层流到湍流转捩的流动特征及其对气动热产生的影响，通过构建简化的几何模型和流动模型，系统地研究不同流动状态下转捩的发生机制及其影响因素。这样的科学问题选题不仅具有明确的应用背景，还能为工程实践提供理论支撑。
“理论研究，特别是我们所从事的基础研究，更是这个过程中‘从0到1’的关键阶段，其中也写满了曲折与孤独。”王强说，在技术难题面前，原始的科学原理也许会让人灵光一现，但同时又需要熬过漫长的孤独与等待。
“十年磨一剑”往往是基础研究的常态。目前，空气动力科学中心正积极鼓励完善从事基础研究的体制机制，减少非必要负担和打扰，让人才“甘坐冷板凳”，在科学的瀚海中自由探索。
“如果不是在争取经费，就是在争取经费的路上，很难提出好的科学问题。”空气动力科学中心伍超华表示，人工智能空气动力交叉科学实验室成立之初，就以独立PI（学术带头人、首席科学家）实验室的模式运营。
“独立”，也就意味着研究人员要由一个处处自己动手的科研工作者蜕变为一个管理者、领导者，带领团队驰骋科研“疆土”，直至独领风骚。
“研究人员才是真正的科研主角，通过给他们充分地放权来发挥他们的主观能动性，这也相当于体制上的一个尝试。”伍超华说，基础研究结果有未知性，空气动力科学中心不会在研究的过程中进行硬性指标考核，但他们相信研究人员，也相信他们的科学家精神。
来源：《中国航天报》
文/邓雨楠
图/航天科技集团十一院提供
编辑/赵聪 任长胜
校对/胡潇潇
监制/黄希
