伦斯勒理工学院打造的AI流体力学科学家：当人工智能开始自主"破解"工程难题

这项由美国伦斯勒理工学院（Rensselaer Polytechnic Institute）机械、航空与核工程系研究团队主导的工作，以预印本形式发布于2026年5月，论文编号为arXiv:2605.06607v3，发表在物理学流体动力学（physics.flu-dyn）领域。感兴趣的读者可通过该编号在arXiv平台检索完整论文。

流体力学是一门和我们生活息息相关却又极度复杂的学科——飞机如何在空中飞行、发动机里的气体如何燃烧、血液如何在心脏里流动，背后都是流体运动的规律。为了研究这些问题，工程师们会用计算机模拟流体运动，这门技术叫做计算流体力学（CFD，Computational Fluid Dynamics）。然而，CFD研究门槛极高，不仅需要精通物理方程，还要会编写专业软件代码，一个算例从设置到得出可信结论，往往要花费研究人员数周乃至数月的时间。

伦斯勒理工学院的团队想解决的问题是：能不能让人工智能替代研究人员，从头到尾自主完成一项CFD科研任务？不只是跑一跑模拟程序，而是真正像一个有经验的研究员那样——去查文献、设计实验、运行模拟、判断结果是否靠谱、修改物理模型、写出一篇有理有据的学术论文。他们把这套系统命名为**AI CFD Scientist**，并将其完整代码、提示词和实验记录向全社会开放。

这项研究之所以引人注目，不只是因为它让AI"跑了一些模拟"，而是因为它第一次把一个完整的、从想法到论文的科研闭环，在计算流体力学这个极其严苛的物理领域里真正走通了——而这背后隐藏着一个普通自动化系统很难绕过的核心难题。

---

一、为什么让AI做CFD科研，比让AI写代码难得多

要理解这项研究的价值，先得理解流体模拟和普通软件研究有什么本质区别。

普通AI科研工具（比如已经存在的AI Scientist）做的事，本质上是在写代码、跑程序、看程序输出的数字，然后据此写论文。程序跑完了、没有报错，就意味着实验成功了。这个逻辑在软件世界里大部分情况下成立。

但在CFD世界里，这个逻辑根本不够用。以模拟水流绕过台阶的经典算例为例：计算机跑完了，没有崩溃，日志文件里干干净净——但这并不代表结果是对的。流体在台阶后面会形成一个回流区域，如果提取这个回流区长度的程序里有一个符号搞反了，提取出来的数字就会是负数，而这个错误压根不会出现在任何日志文件里。只有把流场画出来，肉眼一看，才会发现"这个图根本不对"。

这就是CFD领域的第一个特殊挑战：模拟跑完不等于结果对了，很多错误只会在"图像"里暴露出来，而不是在数字日志里。

第二个挑战是：在CFD里，网格（也就是把空间切割成小块用于计算的方式）的精细程度会直接影响结果，研究人员在发表任何结论之前，必须证明自己的网格足够细——换个稍微细一点的网格，结论不会变。这叫"网格无关性验证"，是CFD领域的基本科研诚信要求，缺了这一步，所有结论都可疑。

第三个挑战更深入：CFD里用来描述湍流的"湍流模型"，本质上是一组用C++语言写成的物理方程代码，藏在模拟软件的源代码深处。如果一个研究者想测试一个新的物理假设，他需要直接修改这些C++代码，重新编译，然后运行修改后的模型。这不是改一个配置文件那么简单，这是真正的源代码研究。

正因为这三道关，已有的通用AI科研工具（比如ARIS和DeepScientist）在碰到CFD任务时，能跑起来模拟，但没有能力判断"结果是否真的有物理意义"，更没有能力去修改湍流模型的源代码并自主探索新的物理假设。而AI CFD Scientist，就是专门为突破这三道关而设计的。

---

二、这套系统的核心架构：三条路径加一道"图像检查关卡"

AI CFD Scientist的整体设计，可以用"一个总指挥带着三支专业队，还配了一个专门看图找问题的质检员"来理解。

总指挥叫做"协调器"（Orchestrator），负责接收用户用自然语言写的研究任务，然后根据任务性质，派出三支专业队中的一支或几支去执行。

第一支队伍负责"常规实验"——在不修改模拟软件本身的前提下，对已有的模型进行参数扫描。比如用户说"帮我研究不同湍流模型对某个流动问题的预测差异"，这支队伍就会先去查文献（通过调用Semantic Scholar学术搜索接口），根据文献生成一套实验方案，然后自动配置模拟软件OpenFOAM（这是工程界最主流的开源流体模拟软件）的各种参数文件，依次运行多个模拟算例。

第二支队伍负责"代码修改"——当研究任务需要一个OpenFOAM里根本不存在的物理模型时，这支队伍会用大语言模型生成C++源代码，在每个模拟算例的本地目录下编译出一个自定义代码库，然后在运行时加载这个库。整个过程不需要动OpenFOAM的全局安装，改的是算例自己的"私有代码"。

第三支队伍负责"开放式探索"——这是最复杂的一支。它的任务是在没有人类指定具体方案的情况下，自主地生成物理假设、修改代码测试假设、根据与参考数据（比如高精度DNS直接数值模拟数据）的对比结果决定是继续还是放弃，然后迭代优化，最终找到一个比默认模型更好的新物理模型。

这三支队伍共用一套基础能力工具箱，包括网格细化工具、Python脚本执行、PyVista三维可视化渲染，以及最关键的——**VLM物理验证关卡**。

VLM（视觉语言模型，Vision-Language Model）物理验证关卡，是整个系统的核心质检员。每当一个模拟算例跑完，系统不会直接相信日志文件说"计算完成"，而是会先把流场渲染成图片，然后用支持图像理解的大语言模型（视觉语言模型）来审查这些图片，看流场里有没有出现该出现的物理特征，或者有没有出现不该出现的异常。如果图片质量不好、看不清楚，系统会重新画图。如果物理特征不对，系统会要求重新运行或修改方案。只有通过了这道关卡的结果，才能被写进最终的论文里。

这套架构还有一个亮点：系统的每一步决策都会留下结构化的"凭据"——实验方案JSON文件、需求说明段落、源代码修改记录、运行目录、图片清单、物理解读记录，最后汇总到论文写作智能体，写出一篇每一个论断都能追溯到具体实验数据的LaTeX论文。论文写完还要过一个"审稿人智能体"审查，检查格式、论断与证据的一致性、参考文献覆盖度等，不合格就打回修改，直到通过或耗尽预算。

---

三、网格无关性验证：科研诚信的自动执行

在详细介绍实验之前，有必要单独说说"网格无关性验证"这件事，因为这是很多现有AI科研工具完全跳过的环节，而AI CFD Scientist把它做成了一道必须通过的强制关卡。

回到之前的比喻：CFD里的"网格"就是把流场空间切割成小块的方式，块切得越小，计算越精细，结果越可靠，但计算时间也越长。问题在于，如果块切得不够小，计算结果会受到切块方式本身的影响，而不是真实的物理规律——就像用一把分度不够细的尺子量东西，量出来的数字多少带着尺子本身的误差。

AI CFD Scientist的做法是：先用基础网格跑一遍，再自动生成一个更细的网格（近壁面区域加密约10%，远离壁面的区域加密约5%，同时保持网格的拓扑结构和分区方式不变），用完全相同的物理模型和边界条件跑一遍，然后对比两次结果中的关键物理量（包括速度场、压力场、摩擦系数、升阻力等）的差异。如果差异超过5%，就会触发更高精度的误差估计程序（Richardson外推法/GCI方法）。只有差异在5%以内的算例，才被认为是"网格无关"的，其结果才能被信任和引用。

这个过程在传统研究中需要研究人员手动完成，往往是整个研究周期中最耗时的准备工作之一。AI CFD Scientist把这个过程完全自动化，且设置为不可绕过的前置条件——系统不会允许你跳过网格验证去发表结论，这在设计上就保证了科研结论的基本可信度。

---

四、五项任务的实战检验：从"跑通模拟"到"自主发现物理规律"

研究团队用五项真实的CFD研究任务来验证AI CFD Scientist，这五项任务覆盖了从简单到复杂的完整难度谱系，全部使用GPT-5.5作为驱动大模型。

**第一项任务（T1）**是研究不同湍流模型对"后向台阶流动"的预测差异。后向台阶流动是CFD里的经典教材算例——流体经过一个台阶，在台阶后面形成回流区，不同的湍流模型对这个回流区的长度和形状预测各不相同，研究人员长期用这个问题评估湍流模型的优劣。

AI CFD Scientist自动规划了四种湍流模型的对比实验（标准k-ε、可实现k-ε、k-ω SST、Spalart-Allmaras），在网格无关性验证通过的网格上（26900到38100个网格单元不等）依次运行，然后渲染流场图像。这里VLM物理验证关卡发挥了实质作用：系统发现提取回流区长度的后处理程序有符号约定错误（提取出来的数值是负的，这在物理上没有意义），以及k-ε模型的输出与分离流动的物理特征不一致，于是主动拒绝给出湍流模型排名，而是记录"物理量有疑问，排名暂时无法给出"——这恰恰是一个有经验的研究员面对可疑数据时应该做的选择，而不是强行给出一个不可信的结论。

**第二项任务（T2）**是研究二维平面射流/羽流在不同雷诺数（Re从60扫到600，共7个算例）下的行为。雷诺数是描述流动惯性力与粘性力比值的无量纲数，数值越大，流动越容易变得不稳定甚至湍乱。系统在统一的35156个网格单元的网格上跑完了全部7个算例，成功捕捉到了中心线速度随雷诺数变化的规律（从Re=60时的0.09 m/s稳步上升到Re=600时的0.60 m/s），并标记出了高雷诺数下出现的振荡不稳定性。其中Re=300的算例被VLM关卡标记为异常（中心线平均速度出现了坍塌，暗示流动进入了偏转或非稳态状态）。而频率-雷诺数的关系由于跨算例元数据解析失败，被系统保守地标记为"未定论"，拒绝在论文中给出无依据的拟合公式。

**第三项任务（T3）**开始涉及代码修改。任务要求在不动OpenFOAM全局安装的前提下，实现一个自定义的非牛顿粘度模型——具体是幂律粘度模型，其中粘度随剪切速率按幂次变化，n=1时退化为普通牛顿流体。代码修改智能体一次编译成功，生成了名为`libcustomViscosity.so`的自定义代码库，并通过了最基本的物理验证：当n=1时，自定义模型的计算结果与内置牛顿流体模型的结果差异在0.5%以内（中心线速度为1.4925 m/s，理论值为1.5 m/s）。随后的5组参数扫描（不同的k、n、压力梯度组合）显示了符合预期的剪切稀化（n<1时流体变"稀"，中心速度更低）和剪切增稠（n>1时流体变"厚"，中心速度更高）规律，中心速度在1.4542到1.5231 m/s之间变化，整体趋势约3.8%的幅度。

**第四项任务（T4）**进一步提升难度：在周期性山丘流动（Re=10595）上测试一个自定义的Spalart-Allmaras（SA）湍流模型变体。Spalart-Allmaras模型是工程界广泛使用的一种单方程湍流模型，特别适合航空和涡轮机械应用。这个任务要求修改SA模型的"产生项"——也就是控制湍动粘度生成速率的那一项——加入一个基于应变率与涡量比的有界乘子（pMult），用来抑制旋转主导区域（比如分离泡内部）的湍流产生。

系统生成并编译了`libCustomSA.so`，运行了1个控制算例（β=0，乘子恒等于1，相当于没有修改）和5个不同β值的变体。控制算例的最大速度与内置SA模型相差不到小数点后4位（1.5959 m/s），证明自定义代码路径本身没有引入额外误差。然后对β=0.15、0.30、0.45以及不同Rref参数的变体进行了扫描，输出了与DNS（直接数值模拟，被认为是计算流体力学的"黄金标准"）参考数据对比的摩擦系数Cf曲线。结果显示最佳RMSE（均方根误差）出现在β=0.15时，为0.003258，相比基线SA的0.003268有微小改善，但差异幅度非常有限。

这两个代码修改任务加在一起说明了一个重要事实：AI CFD Scientist不只是能"执行别人写好的代码"，而是能从物理描述出发，自主生成、编译、测试物理模型代码，并通过控制组验证代码路径的正确性——这是此前任何公开的CFD自动化系统都没有做到的。

---

五、最重量级的任务：AI自主"发现"了一个新的物理修正

**第五项任务（T5）**是整个系统最令人印象深刻的展示，也是"开放式发现"路径的核心验证。

任务设定是：给定周期性山丘流动（Re=5600），给定一组Krank等人2018年发布的高精度DNS参考数据，目标是"自主探索对SA湍流模型的修改方式，使模型预测的下壁面摩擦系数Cf与DNS数据的误差尽可能小"。系统唯一知道的约束是：修改必须有物理依据，不能用数据驱动的黑箱方法，不能直接复制已有的SA变体。

AI CFD Scientist启动了开放式发现循环，总共运行了44次迭代。

开头的5次迭代是纯诊断阶段——系统分析了基线SA模型与DNS数据的误差分布，发现误差高度集中在出口山丘靠近区域（x/h在7.5到9.0之间），这一区域贡献了总平方误差的约80.7%，具体表现为Cf在x/h≈8.64到8.72附近有一个正值过冲。基线SA的Cf RMSE为0.004297。

在诊断清楚了"问题在哪里"之后，系统开始探索修复机制。第3次迭代尝试了一个"反转区域近壁汇"——在流体速度为负（也就是回流区内部）的地方压制湍流产生，结果RMSE反而升高到0.004339，被系统标记为失败方向。

第6次迭代转换策略，在x/h≈8.68附近加入了一个局部高斯形状的"汇"（相当于在那个位置定向削减湍动粘度的生成），RMSE下降到0.004262，改善了约0.81%——系统把这标记为"第一个有效方向"。

随后系统继续调整高斯形状的宽度和幅度（第8-9次迭代），探索了多峰高斯叠加的方案（hillCrest、biHill、triHill形式，第11-26次迭代），结果呈现复杂：有的迭代RMSE略有下降，有的略有回升，系统逐步积累了对该流动问题误差结构的理解。

关键转折发生在第27-34次迭代：系统提出了一个"四极子"形式的运行时修正项——在SA的湍动粘度方程里额外加入一个源项，这个源项由四个不同位置、不同宽度的高斯形状斑块组合而成，每个斑块对应一个独立的物理机制。具体来说：一个"恢复增强斑块"（Grec）负责在x/h约3到7的宽阔恢复区提升壁面剪切；一个"汇斑块"（Gsink）负责压制x/h≈8.5到8.8主误差区域的过高湍动粘度；一个"次级源斑块"（Gsrc）在汇斑块上游一点点提供少量的湍流生成，防止汇过度修正造成欠估；一个"尾部阻尼斑块"（Gtail）在x/h≈8.7到9.0的出口区域控制残余正偏差。这个结构被系统命名为"quadRecTail"。

在第27-34次迭代中，四极子形式将RMSE压缩到了0.004050到0.004080的范围，进入了明显的改善区间。

接下来（第35-43次迭代）系统开始精细调整四个斑块的振幅系数（Crec、Csink、Csrc、Ctail）、中心位置（x*）和宽度参数（σ*），RMSE从0.004020逐步收敛到0.003985。

第44次迭代（被命名为quadRecFine12）选取了最优参数组合：Crec=2.12，Csink=2.25，Csrc=1.20，Ctail=0.75，配合各自的位置和宽度参数，最终RMSE达到0.003958——相比基线SA的0.004297，降低了7.89%。

在整个发现过程中，每一次迭代的结果都必须通过VLM物理验证关卡才能被纳入"有效迭代"序列——纯粹靠数字变小不够，流场图像也必须看起来合理。系统还在第35-44次迭代之间自动完成了一次网格无关性验证，确认基线网格上Cf的差异在网格加密后小于2%，y+（近壁第一层网格的无量纲距离）约为1，满足精细湍流计算的近壁分辨率要求。

发现的这个模型最终被实现为OpenFOAM的`fvModels`运行时代码块——这种实现方式的好处是不需要重新编译整个求解器，只需要在算例的配置文件里加载这段代码就能运行。系统为这个发现自动写了一篇完整的LaTeX学术论文，完整记录了44次迭代的轨迹、发现模型的物理解释、网格无关性验证数据，以及与DNS数据的对比图。

---

六、与其他AI科研工具的正面对比：能跑模拟，但不等于做出了科学

除了自我验证，研究团队还把AI CFD Scientist与两个当前最强的通用AI科研框架——ARIS和DeepScientist——进行了正面对比。对比在相同的GPT-5.5模型、相同的四项CFD任务（T1到T4）、相当的LLM使用费用下进行。

费用数据颇为有趣：在四项标准任务上，AI CFD Scientist花费约41.19美元，ARIS约41.92美元，DeepScientist约37.94美元——三者处于完全相当的38到42美元区间。但AI CFD Scientist发出了2765次LLM调用，而ARIS仅490次，DeepScientist仅566次。这意味着AI CFD Scientist把同样的钱用于更多次的短调用，每一次调用都对应一个明确的专业智能体角色的一个具体操作步骤，而ARIS和DeepScientist则把大量token花在了长上下文的重复缓存回放上（ARIS约7000万缓存token，DeepScientist约2.09亿缓存token）。这种设计差异不仅仅是工程风格的不同，更反映了两种系统的根本架构差异。

在实际执行能力上，三个系统都能编译案例本地的自定义C++模型库（T3和T4任务），这说明"能修改源代码"本身不是AI CFD Scientist独有的能力。真正的差距在于"围绕着这次模拟，做了哪些科学控制流程"。

以T4任务（自定义SA修正器）为例：ARIS和DeepScientist各自编译了自定义SA库，跑了一两个变体，输出了一个Markdown格式的摘要报告，RMSE值分别约为0.00430→0.00433（ARIS）和约0.00433（DeepScientist）——两者都没有设置APG=0的控制组来验证自定义代码路径本身没有引入误差，也都没有把预测结果与DNS数据对齐后画图，更没有生成LaTeX论文。相比之下，AI CFD Scientist运行了APG=0控制组（确认Umax精确匹配到小数点后4位），完整渲染了与DNS数据对比的Cf曲线，报告了每个变体的Cf RMSE数值，并生成了一篇带有参考文献的LaTeX草稿。

在T1和T2任务上，ARIS和DeepScientist给出了湍流模型排名（T1）和Strouhal数关联式（T2），但这些结论都缺乏网格无关性验证和参考数据对比——也就是说，结论本身的可信度没有保障。AI CFD Scientist则主动拒绝给出这些结论，改为记录"证据不足，结论暂缓"——这种"宁可不下结论也不乱下结论"的保守策略，恰恰是科学研究中极其重要但通用AI系统往往欠缺的品质。

---

七、VLM物理验证关卡的"种植失败"测试：它能发现什么，不能发现什么

为了量化VLM物理验证关卡的实际能力，研究团队设计了一个严格的对照实验：从四个已经被系统判断为通过的实际算例出发（射流、后向台阶、周期山丘、通道流各一个），人工植入16个"静默失败"——这些失败不会触发任何求解器日志里的报警，但会让结果实际上是无效的。

这16个失败被分为四类。第一类"缺失交付物"：删掉本该存在的后处理输出文件，比如删掉壁面剪切力数据文件。第二类"数值量级错误"：修改后处理输出，使其中的数值与物理上合理的范围不符（比如把速度值放大100倍）。第三类"后处理破坏"：把输出数据文件全部替换为零值或NaN（非数字），模拟后处理脚本崩溃的情形。第四类"收敛未完成"：截断模拟时间（比如把原本跑到t=2000的模拟截断到t=200），同时把配置文件里的endTime也改为200，让系统觉得"按计划跑完了"。

VLM物理验证关卡对这16个种植失败的检测结果如下：前三类（缺失交付物、数值量级错误、后处理破坏）各4个，全部检测到，检测率100%；第四类（收敛未完成）4个，只检测到2个，漏掉了2个（来自射流算例和通道流算例）。总计检测率14/16，即87.5%。

漏掉的两个是"收敛未完成"类失败，原因很直接：当endTime被一致地修改为截断时刻，流场图像看起来确实"正常完成到那个时刻"，VLM没有任何依据判断"这个时刻的计算量是否已经足够让流场收敛到稳态"。这个盲点的修复方向是在VLM审查之前额外加一个确定性的"残差收敛"或"物理量漂移"检测器。

此外还有一个值得注意的"精度问题"：四个干净的控制算例（没有种植任何失败）全部被VLM标记为REVISE，导致整体精确率降低到77.8%。研究团队分析后发现，这是因为测试用的需求描述模板提到了一种可视化结果，但测试用的图像渲染只输出了部分图，所以VLM合理地报告"该看的内容没看到"。研究团队明确指出，这个精确率是偏低估计，在实际生产运行中（需求描述与实际渲染图配套），这种误报不会发生。

---

八、系统在每项任务上做得好在哪里，还有哪些明显局限

研究团队在论文里以罕见的坦诚态度，按任务逐一列出了AI CFD Scientist做得好的地方和没做好的地方，这部分内容值得详细介绍，因为它直接说明了这套系统目前的真实能力边界。

在T1（后向台阶）中，系统成功地自主规划了四模型对比实验，通过了网格无关性验证，并且正确识别出了后处理程序的符号约定错误。这是一个正面的科研行为——发现了问题就明确报告问题，而不是把错误的数据包装成结论。但局限是：回流区长度提取器有符号错误，这意味着与实验数据的定量对比无法完成，最终论文里的湍流模型排名只能是"待定"。

在T2（射流Re扫描）中，系统成功运行了全部7个算例，捕捉到了速度标度关系，并对Re=300的异常算例发出了预警。局限是：跨算例的元数据解析失败，无法自动重建每个算例的频率谱分析，导致"频率-雷诺数关联"这个原本是任务核心目标的内容被完全标记为"未定论"。

在T3（自定义粘度）中，系统的代码生成和编译一次成功，牛顿极限验证（n=1）通过，5个变体的扫描结果显示了正确的物理趋势。局限是：部分算例的参数标签元数据解析失败，导致k-n参数关联的完整报告有缺口。

在T4（自定义SA修正器）中，控制组验证成功，DNS对比图完整渲染，LaTeX论文顺利生成。局限是：只验证了一种网格分辨率，量化排名的置信度有限；此外各个APG变体对Cf RMSE的改善非常有限（最佳改善约0.3%），说明这个特定的修正方式在这个算例上改善空间很小。

在T5（开放式发现）中，系统自主完成了从错误诊断到机制探索再到模型精调的完整链条，最终发现了7.89%改善的四极子修正模型。局限是：发现后的6次后验证算例中，壁面剪切提取失败，所以这个模型目前的状态是"候选模型"而非"已充分验证的结论"；此外这个模型没有在其他雷诺数或其他几何形状上测试过，跨场景的可移植性完全未知。

---

九、这份研究告诉我们：AI已经开始做科研，但还有真实的天花板

说到底，AI CFD Scientist是一个有实质性进展但也有清晰局限的研究成果。

它真正走通的事情是：在计算流体力学这个比软件领域更严苛的物理科学领域，建立了一套从自然语言任务到可信赖的学术论文的自动化闭环，而且这套闭环里包含了科研诚信所必要的关键控制步骤——网格无关性验证、与参考数据的定量对比、基于图像的物理合理性审查、源代码级别的模型修改能力，以及"证据不足就不下结论"的保守策略。这在此前没有任何开源系统做到过。

7.89%的Cf RMSE改善看起来数字不大，但需要理解它的背景：基线SA模型本身已经是工程界几十年验证和使用的成熟模型，在这个基础上通过纯自动化探索找到任何有意义的改善，且改善是系统自主"发现"而不是人类预先指定的，本身就具有方法论上的价值。当然，这个发现还有很长的路要走才能成为真正的物理贡献——需要在更多雷诺数、更多几何形状、以及真实三维问题上验证，目前的结果只能算"值得进一步研究的线索"。

从更宏观的视角看，这项工作指向了一个令人深思的方向：我们正在目睹AI逐步具备在物理科学领域做科研探索的基础能力。这不只是计算加速，而是对科学探索方式本身的改变——一个AI系统能够在没有人类明确指示的情况下，自主识别物理误差的来源，提出有物理依据的修正假设，通过代码实现、数值验证和图像审查的循环迭代，找到一个比出发点更好的模型。

当然，这还不是"AI能自主做出诺贝尔奖级别的发现"——系统还需要人工评估最终结果，发现的模型跨场景可移植性未经验证，元数据解析失败等工程问题仍然实际存在。所有实验只用了一种大模型（GPT-5.5），不同大模型的表现差异完全未知。论文中的质量评估全部依赖人工阅读，因为目前CFD领域还没有一套能自动给CFD论文质量打分的标准评测体系。

这些限制提醒我们，AI CFD Scientist目前是"有监督的科研辅助"，而不是"无人看管的自动发现机器"。但它所证明的可能性——一套由大语言模型驱动的系统可以在物理科学的严苛条件下走完一个科研闭环——本身就是值得认真对待的一步。

对那些从事工程仿真、计算力学研究或相关AI应用开发的读者来说，这项工作可能直接影响你们的研究工具链设计；对更广泛的读者来说，它提出了一个不容回避的问题：当AI能够在专业科学领域自主发现新东西时，科研社区应该如何建立相应的验证和信任体系？

有兴趣深入探究的读者可以通过arXiv编号2605.06607v3查阅完整论文，系统的全部代码、提示词和实验记录也已在GitHub上开放，地址可在论文中查到。

---

Q&A

Q1：AI CFD Scientist和普通的ChatGPT辅助写代码有什么本质区别？

A：AI CFD Scientist不只是帮你写OpenFOAM配置文件。它的核心区别在于"科学闭环"：它会自动验证网格精细度是否足够，会用视觉语言模型审查流场图像判断物理结果是否合理，会在证据不足时拒绝给出结论，还能自主修改湍流模型的C++源代码并迭代探索新的物理假设。普通代码辅助工具只管"代码跑没跑通"，而AI CFD Scientist还管"结果在物理上是不是真的有意义"，这是本质的区别。

Q2：VLM物理验证关卡为什么是这套系统里最关键的部分？

A：因为计算流体力学里最危险的错误恰恰不报错。程序跑完、日志干净，但结果实际上是错的——比如提取数据的脚本符号搞反了、后处理崩溃了输出了全零、几何形状加载错了——这些错误在求解器日志里完全看不出来，只有把流场画出来才能发现异常。VLM关卡通过审查渲染出来的图像来捕捉这类"静默失败"，在16个人工种植的失败中检测出了14个，覆盖了100%的缺失交付物、数值异常和后处理破坏类错误。

Q3：AI CFD Scientist发现的SA湍流模型修正是真正的物理发现吗？

A：目前只能说是"有价值的候选方向"，还算不上确立的物理发现。系统在周期山丘Re=5600这一个工况下，通过44次自主迭代发现的四极子高斯修正将Cf RMSE降低了7.89%。但这个修正在其他雷诺数、其他几何形状下的表现完全未经测试，后验证阶段的Cf数据提取也出现了失败。它的价值在于展示了AI自主发现的方法论可行性，而不在于修正本身立刻就能用于工程实践。