從原子核的發現到量子力學的建立，從萬有重力定律的提出到相對論的革新，不少科學家的創新思維都能激發出巨大能量，對科學研究產生重大影響。
就像古希臘的物理學家阿基米德在沐浴時，突然領悟到測量物體體積的方法，他激動地高呼「尤裏卡」（古希臘語「我發現了」之意）。在航天科技集團十一院空氣動力科學中心，也不乏類似的「尤裏卡」時刻。
「用傳統方法模擬可壓縮多介質流，遇到極端復雜問題時可能出現建模困難、難以求解等問題。為什麽不能用人工智能的方法克服這些困難？但用標準的機器學習做這個問題又會出現預測不準的情況怎麽辦？」靈光乍現，科學中心許亮研究員提出了一種內嵌物理約束的多介質流體耦合作用神經網絡模型。
就像電腦程式突然按下回車鍵——一條新路，跑通了。今年6月，這一成果發表在國際SCI期刊【計算科學雜誌】上。
『向前探索』
讓AI成為每個航天工作者都會用的工具
對於火箭發動機設計師來說，他們每天面對著無數未知的挑戰，不僅要思考如何讓火箭飛得更高、更快，還要深入研究那些隱藏在發動機深處的「暗知識」——那些既無法表達又無法直接感受的知識，隱藏在更深層次的未知領域。
「‘可壓縮多介質流’，這個聽起來比較專業的術語，其實正是航天工程師們日常研究的重點。簡單來說，就是多種物質在高壓高速下混合流動時，其體積和密度都會發生變化。」許亮解釋，在復雜的系統中，有些關鍵動態並不顯而易見，需要透過深入的分析和理解來把握，而這種深層理解就是「暗知識」的體現。
「那些存在於人類認知之外的知識，它存在，但是我們不知道在哪裏。」許亮坦言，面對航天領域那些「暗知識」帶來的難題，傳統的試驗方法往往顯得力不從心。試驗耗時長、成本高，而且很難全面覆蓋所有可能的情況。
事實上，在人工智能領域，「暗知識」的影響尤為明顯。高級機器學習模型如深度神經網絡，在處理資訊和做出決策時，往往存在一種黑箱效應。模型的設計者有時也無法完全解釋其決策過程。
這些由大量數據訓練而成的模型，提煉出的模式和知識，很多時候超出了人類直接理解的範疇。如同探索一個未知的領域，人們看到的只是冰山一角，而其龐大的知識基礎和決策邏輯則隱藏在水面之下。
2020年，面向國家基礎研究需求，十一院設立了空氣動力科學中心，重點開展空氣動力學及其交叉領域前沿基礎研究，探索人工智能、量子計算為空氣動力學深度賦能的技術與方法，破解制約未來先進空天飛行器創新發展的前沿基礎難題。
2024年7月28日，許亮應邀在中國空氣動力學會2024年亂流與雜訊和CFD方法暑期高級講習班上作報告。
也是從4年前開始，許亮就在考慮如何將人工智能與空氣動力學相融合。他認為，依靠人工智能，或許是航天工作者應對未來挑戰的關鍵。
「未來人工智能要成為每個科研人員都會用的工具。想象一下，當你輸入相關的參數和數據後，這一工具就能迅速生成多種可能的結果。」許亮說，未來它會像一位聰明的助手，能夠幫航天工作者從海量數據中挖掘出隱藏的規律和趨勢，解決問題的速度可以提高幾個量級，讓研究事半功倍。
2023年，科學中心組建了以許亮為學術帶頭人的人工智能空氣動力交叉科學實驗室。他們現在正在做的一件事，就是如何把這一工具建立起來。
『向深研究』
如何將這一工具打造得能用、好用？
在空氣動力學科中引入AI也不是一件容易的事。科學中心副主任王強研究員透露，技術成熟度是他們必須直面的首要難題。
盡管AI在其他領域（如下棋、人臉辨識、自動駕駛等）已顯示出顯著的套用效果，但在空氣動力學這一專業性強、數據密集的領域，AI的套用仍處於摸索期。
技術的不成熟意味著研究團隊需要不斷試驗和最佳化AI模型，以適應空氣動力學的復雜特性。與其他領域相比，空氣動力學領域的研究更加依賴於深厚的數學和物理基礎。因此，在將AI套用於空氣動力學時，必須充分考慮物理約束，並具備將兩者有機融合的能力。
「AI模型的建立和最佳化是一個不斷叠代的過程，需要研究人員不斷試錯和調整。在這個過程中，如何確保模型的通用性和準確性，是一個巨大的挑戰。」王強表示，為了應對空氣動力學領域的復雜性和多樣性，還需要不斷積累領域知識，提升技術水平，以應對這一復雜而漫長的研究過程。
許亮與團隊成員討論工作
早在十幾年前，許亮就在博士生導師的帶領下對空氣動力學與人工智能的交叉研究進行了探索。目前，他對AI的發展情況算得上是「了如指掌」。但基礎研究往往具有不可預見性和長期性，空氣動力學的復雜性和AI技術的局限性，使得研究過程中可能會遇到各種未知問題和挑戰。
「這些問題可能需要花費大量時間和精力去解決，甚至可能導致研究方向的調整或重新選擇。」許亮補充道，在探索AI在空氣動力學領域的套用時，研究團隊要耐得住寂寞，承受長時間的研究周期和不確定性帶來的壓力，還要具備跨學科的知識和視野，將AI技術與空氣動力學深度融合，創造出真正具有實用價值的研究成果。
『向一線靠攏』
將研究「理論」連結好工程「實踐」
在學術帶頭人的帶領和科學中心行政部門的支持下，團隊成員可以接觸國內外一流專家學者，及時了解同行們正在探索的領域和取得的最新成果，共同探討具有前瞻性、開創性的學術問題，提供潛在的研究方向。
除了國際前沿研究動態，面向國家重大需求也是選題的重要來源。如何將研究「理論」連結好工程「實踐」？王強表示，關鍵在於一定要將「技術問題」有效轉化為「科學問題」。
王強舉例說，載人飛船再入大氣層的熱防護問題是一個典型的技術問題。為了將其轉化為科學問題，研究人員可以關註層流到亂流轉捩的流動特征及其對氣動熱產生的影響，透過構建簡化的幾何模型和流動模型，系統地研究不同流動狀態下轉捩的發生機制及其影響因素。這樣的科學問題選題不僅具有明確的套用背景，還能為工程實踐提供理論支撐。
科學中心召開量子計算與人工智能研討會
「理論研究，特別是我們所從事的基礎研究，更是這個過程中‘從0到1’的關鍵階段，這其中也寫滿了曲折與孤獨。」正如王強所說，在技術難題面前，原始的科學原理也許會讓人靈光一現，但同時又需要熬過漫長的孤獨與等待。
「十年磨一劍」往往是基礎研究的常態。目前，科學中心正積極鼓勵完善從事基礎研究的體制機制，減少非必要負擔和打擾，讓人才甘坐冷板凳，在科學的瀚海中自由探索。
「如果不是在爭取經費，就是在爭取經費的路上，很難提出好的科學問題。」科學中心常務副主任伍超華表示，人工智能空氣動力交叉科學實驗室成立之初，就以PI獨立實驗室的模式營運。
「獨立」，也就意味著研究人員要由一個處處自己動手的科研工作者蛻變為一個管理者、領導者，帶領團隊馳騁科研「疆土」，直至獨領風騷。
「研究人員才是真正的科研主角，透過給他們充分地放權來發揮他們的主觀能動性，這也相當於體制上的一個嘗試。」伍超華說，基礎研究結果有未知性，科學中心不會在研究的過程中進行硬性指標考核，但他們相信研究人員，也相信他們的科學家精神。
文/記者 鄧雨楠
圖 /十一院提供
編輯 /姜瓊瓊
稽核/賀喜梅
監制/索阿娣
