白痴一样看着许燃，嗤笑道：
“你在开什么国际玩笑？用神经网络搞流体力学？你知道流场是多么复杂的非线性系统吗？
神经网络那种‘黑箱’模型，根本无法保证物理上的严谨性！
这纯粹是学术界的玩具，在工程应用上，是绝对的禁区！
荒谬！”
他说的句句在理，也代表了在场绝大多数人的心声。
工程，需要的是100%的精确和可靠，而不是一个模糊的，无法解释的“学习”结果。
面对钱博文的激烈反驳，许燃连眉毛都没动一下。
“谁说它是黑箱？”
他转过身，在白板的空白处，写下了一行让所有人更加看不懂的标题。
【Physics-Informed Neural Networks (PINN)】
“基于物理信息的神经网络。”许燃淡淡地解释道。
“我们不必把它当成一个黑箱。
恰恰相反，我们要把‘物理规律’，也就是纳维-斯托克斯方程本身，作为神经网络的一部分，强行‘灌输’给它。”
他怕这些人听不懂，打了一个更通俗的比方。
“传统的CFD，就像是一个笨学生做应用题。
他不会公式，只能靠蒙，靠一次次代入不同的数字去试错，最终找到一个最接近的答案。
我们的‘天河’，就是靠着无与伦比的计算速度，把这种试错过程缩短了而已，本质没变。”
“而我的方法，”
许燃的眼睛里，闪过绝对自信的光芒，“是直接把这道题的‘官方标准答案’，也就是纳维-斯托克斯方程这个‘物理规律’，写进神经网络的‘损失函数’里，作为它必须遵守的铁律。”
“我们不再让它去暴力求解。
我们是让神经网络在满足物理规律的前提下，去无限逼近真实流场。
它不是在计算，它是在‘学习’。
学习如何完美地拟合我们给出的物理定律。”
钱博文像是听到了更可笑的笑话，立刻抓住了他话语中的漏洞：“学习？学习就需要数据！
你需要海量的实验数据或者CFD仿真数据来训练你的神经网络！
如果你已经有了准确的CFD数据，那你还要这个神经网络干什么？
这根本就是一个悖论！你连最基本的机器学习原理都不懂！”
他的质问又急又响，充满了智力上的优越感，仿佛已
本章未完，请点击下一页继续阅读！