A general approach for running Python codes in OpenFOAM using an embedded pybind11 Python interpreter
本文提出了一种利用 pybind11 库将 Python 解释器直接嵌入 OpenFOAM 的通用方法论，从而实现 Python 代码在数据处理、求解器原型设计及机器学习应用中的无缝执行，而无需进行代码转换。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你有一个房间，里面坐着两位截然不同的专家。
专家 A 是一位名为 OpenFOAM 的大师级建筑师。他使用一种复杂且高速的语言——C++。他在建造宏大、复杂的结构（如流体、热量和固体的模拟）方面极其迅速，但他非常刻板。如果你想让他尝试一种新的、奇特的方案，你必须用他那复杂的语言重新编写整本说明书。这需要很长时间，并且需要专业人员。
专家 B 是一位名为 Python 的创意设计师。她使用一种简单、易读的语言。她擅长快速进行原型设计、尝试新想法，并能使用各种现代工具库（例如机器学习），而这些是 OpenFOAM 本身并不原生具备的。然而，在进行繁重的实际构建工作时，她的速度较慢。
问题在于： 通常情况下，这两位专家无法直接交流。为了将 Python 的想法引入 OpenFOAM 的施工现场，你过去必须先将 Python 的蓝图翻译成 C++ 代码。这就像雇佣一名翻译，在建筑师阅读之前，必须先把书中的每一个句子都重写一遍。这既缓慢又容易出错，而且完全违背了 Python 简洁易用的初衷。
解决方案： 本论文介绍了一个通用翻译器，名为 pybind11。
把 pybind11 想象成一个神奇的耳机，它让 OpenFOAM 和 Python 能够坐在一起实时对话。OpenFOAM 可以暂停施工，将一份数据（比如温度读数或形状）交给 Python，说：“嘿，对这个数据处理一下，”然后立即收到答案，而无需离开施工现场。
它是如何工作的（三个测试案例）
作者通过三个场景测试了这个“耳机”，以证明其有效性：
1. 定制涂装（边界条件）
想象 OpenFOM 正在粉刷一面墙。通常情况下，涂漆的图案是固定的。有了这个新系统，OpenFOAM 可以停下来询问 Python：“根据时间、风向等因素，我应该在这个特定位置涂什么颜色？”Python 瞬间计算出答案，并告诉 OpenFOAM 准确的刷漆位置。这允许实现复杂的、变化的图案，而这在 OpenFOAM 的原生语言中编写起来会是一场噩梦。
2. 快速草图（求解器原型设计）
想象一位建筑师想要测试一种新的热量流动计算方法。他们不需要花费数周时间去重写 OpenFOAM 的核心引擎，只需将热量数据交给 Python 即可。Python 进行一次快速、简单的计算（就像画一张草图），然后将结果传回。这让工程师们能在几分钟内而不是几个月内测试“如果……会怎样”的情景。
3. 大脑升级（机器学习）
这是最重要的一点。想象 OpenFOM 是一台汽车发动机，你想升级它的“大脑”，利用现代 AI（机器学习）来预测金属在压力下的形变。
- 旧方法： 你必须将 AI 复杂的数学逻辑翻译成 C++ 代码，这就像试图通过重写生物学知识来教一匹马如何飞行。
- 新方法： OpenFOM 将应力数据交给 Python。Python 的 AI（经过数千个案例训练）能瞬间预测结果并传回。
- 难点： 作者发现，如果你一次只交给 Python 一个微小的部分（逐个单元格传递），这就像每秒钟通过窗户传递一块砖头一样——速度极其缓慢。但如果你一次性交给 Python 一整面“数据墙”（整个场数据），速度就会快得多。
- 秘诀： 他们发现了一种更快的“按引用传递”（pass-by-reference）方法。与其复制数据（就像给墙拍张照片然后发送照片），不如直接把墙的“地址”交给 Python。这样 Python 就可以直接接触到真实的砖块而无需移动它们。这使得 AI 的运行速度几乎接近 OpenFOAM 的原生计算速度。
主要结论
- 无需翻译： 你可以直接用 Python 编写代码并在 OpenFOAM 内部运行，无需将其转换为 C++。
- 速度至关重要： 如果你以大块数据（整个场）而非细碎部分（逐个单元格）进行传输，速度会快得多。
- “引用”技巧： 最快的方法是让 Python 直接查看数据而不进行复制。这能将使用 Python 的“税收”（开销）降至几乎为零。
- AI 已准备就绪： 这为在复杂的工程模拟中直接使用现代机器学习工具（如 TensorFlow）打开了大门，而这在以前是非常困难的。
简而言之，这篇论文搭建了一座桥梁，让虽然慢但聪明的 Python 专家能够直接与快速但刻板的 OpenFOAM 建筑师并肩作战，从而推动工程模拟领域更快速的创新以及现代 AI 工具的应用。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。