AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents

本文介绍了 AI CFD Scientist，这是一个开源框架，它利用视觉 - 语言模型在 OpenFOAM 上自主执行、验证并优化计算流体动力学模拟，成功发现了一种 Spalart-Allmaras 修正项，可将误差降低 7.89%，同时检测出传统求解器检查所遗漏的静默故障。

要点

想象一支由高度智能、不知疲倦的研究助理组成的团队，协同解决复杂的物理难题。本文介绍了AI CFD 科学家，这是一个全新的开源系统，旨在作为专门针对**计算流体力学（CFD）**的自主科学家——该领域利用超级计算机模拟空气和水如何流经飞机机翼、汽车车身，甚至血管等物体。

以下是该系统的运作原理，通过简单的类比进行解释：

问题：“静默失败”陷阱

在许多科学领域，如果计算机程序运行完毕且未崩溃，人们便假设结果是良好的。但在流体力学中，这非常危险。

• 类比：想象一位厨师完美地遵循食谱，却不小心用盐代替了糖。蛋糕烤好了，膨胀了，看起来完美无缺。“日志”（即食谱步骤）显示一切正常。但如果你尝一口，它根本无法食用。
• 现实：CFD 模拟可以在没有错误的情况下运行完毕，却仍因设置或数学中的细微错误而产生物理上不可能结果（例如空气反向流过实体墙壁）。传统 AI 工具往往忽略这些“静默失败”，因为它们只检查计算机日志，而不检查流动的实际图像。

解决方案：一支专业化代理团队

作者构建了一个不仅运行代码，而且像一个完整研究实验室的系统。它利用一个“大脑”（大型语言模型）来协调多个专门处理不同工作环节的“代理”（软件工具）：

1. 创意生成器：该代理不只是猜测，而是阅读科学论文以发现知识空白，并提出新的实验方案。
2. 代码构建者：如果标准工具无法解决特定问题，该代理会编写并编译新的 C++ 代码（模拟的“引擎”），以创建自定义物理模型。
3. 网格检查员：在运行模拟之前，它会检查数字网格（即“网格”）是否足够精细以捕捉细节，确保结果不仅仅是模糊的猜测。
4. “视觉”守门人（核心功能）：这是最重要的创新。模拟运行后，系统不仅查看数字，还会拍摄流动图像并将其展示给视觉 - 语言模型（一种能够“看见”图像的 AI）。
   • 类比：这就像一位人类艺术评论家审视一幅画作。即使艺术家声称“我遵循了规则”，评论家也能发现透视错误或色彩与现实不符。
   • 结果：如果 AI“看到”流动看起来奇怪（例如涡旋出现在错误位置），即使计算机日志显示“成功”，它也会拒绝该结果并指示系统重新尝试。

实际成就

团队在五项不同任务上测试了该系统。以下是亮点：

• 常规检查：它成功运行了标准测试，例如检查不同湍流模型在向后台阶（空气动力学中常见的测试案例）周围的行为。
• 定制工程：它编写了自己的代码来模拟非牛顿流体（搅拌时粘度会改变的流体，如番茄酱或血液），并证明其有效。
• 重大发现（开放式发现）：这是最令人印象深刻的部分。系统被赋予了一个目标：“找到一种方法，使标准湍流模型更好地匹配真实世界数据。”
  • 在没有人类帮助的情况下，AI 运行了44 次实验迭代。
  • 它尝试了不同的数学调整，编写了新代码，运行了模拟，并检查了结果。
  • 结果：它发现了一种新的数学修正（一种“运行时调整”），与最佳可用参考数据相比，将预测表面摩擦（空气与表面摩擦的程度）的误差降低了7.89%。

安全网：捕捉错误

为了证明系统有效，研究人员故意以 16 种不同方式破坏了模拟（例如删除输出文件、使数字出错，或过早停止模拟）。

• 系统的“视觉门”成功捕捉了16 次中的 14 次此类静默失败。
• 标准 AI 工具（没有视觉检查）会将这些损坏的结果接受为有效。

与其他 AI 科学家的比较

作者将他们的系统与另外两种通用 AI 科学家工具（ARIS 和 DeepScientist）进行了比较。

• 差异：其他工具可以运行模拟并撰写报告，但它们经常遗漏物理检查。它们可能会声称一个无效的结果是有效的。
• 优势：AI CFD 科学家是“保守”的。如果证据不完美（例如网格不够精细或图像看起来奇怪），它会承认自己尚未知道答案，而不是编造虚假声明。

总结

AI CFD 科学家是一款全新的开源工具，能够自动化整个流体力学研究过程。它不仅仅运行数字；它阅读论文、编写代码、通过“看见”流动来检查物理现象是否正确，并且只发布通过严格视觉和数学检查的结果。它成功独立找到了一种改进标准物理模型的新方法，证明了 AI 现在能够处理物理模拟复杂且高风险的世界，而不仅仅是软件编码。

技术摘要

技术摘要：AI 计算流体力学科学家

问题陈述

将大型语言模型（LLM）智能体扩展至物理科学领域，特别是计算流体力学（CFD），面临着软件专用机器学习或生物研究中未曾出现的独特挑战。主要难点在于求解器完成并不等同于物理有效性。CFD 模拟可能在求解器日志中无错误地干净收敛，却因几何形状错误、缺失流动特征或闭合模型缺陷而产生物理退化的结果。这些失效模式往往对基于文本的日志分析不可见。此外，在 CFD 中，闭合模型是一个需要源代码修改（C++ 级别）而非简单配置更改的研究变量，且有效性门控（如网格无关性和参考数据对齐）是必须明确确认而非假设的科学对象。现有的 AI 科学家框架缺乏这些领域特定的有效性门控，而现有的 CFD 智能体往往止步于完整的发现循环之外，未能整合基于文献的构思、源代码修改以及基于视觉的验证。

方法论

作者提出了AI CFD 科学家，这是一个旨在闭合 CFD 科学发现循环的开源框架。该系统通过Foam-Agent接口在OpenFOAM上运行，并由共享的 LLM 骨干（实验中为 GPT-5.5）进行编排。该架构建立在从 CFD 实践中提炼出的五个操作设计原则之上：

1. 物理有效性不可读于日志：必须进行图像级检查。
2. 源代码修改：编辑 C++ 源代码是研究对象，而非配置选项。
3. 网格无关性：是必需的收敛门控。
4. 禁止实验幻觉：智能体不能为了运行失败的案例而交换变量或放宽标准。
5. 可追溯性：手稿中的每一个主张都必须追溯到特定的、经过验证的图表和数值。

该框架执行三个耦合路径：

• 常规实验：基于文献的构思、新颖性过滤、需求验证、网格无关性门控，以及通过 Foam-Agent 执行。
• 代码修改：为新物理模型生成案例特定的 C++ 源文件和字典、编译及冒烟测试。
• 开放式发现：一个外部假设循环，自主生成、编译并测试候选模型修改，以对照参考比较器，无需进一步人工输入。

核心创新：VLM 物理验证门控
该框架的核心是一个视觉 - 语言模型（VLM）物理验证门控。在任何结果被接受、重运行或写入手稿之前，系统会渲染流场（例如速度等值线、壁面摩擦图），并将其提交给 VLM。VLM 执行两项检查：

1. 质量过滤器：确保图表可读且未退化。
2. 物理检查：检查可视化流场中是否存在预期特征（例如回流区、分离点），并判断其与实验需求的一致性。
   该门控旨在捕捉那些通过求解器日志但违背物理直觉的“静默失效”。

工作流还包括网格无关性门控（比较基线网格和细化网格）以及重运行/撰写循环，该循环在失败时修订需求，并基于已验证的工件起草 LaTeX 手稿。

主要贡献

1. 首个端到端开源 CFD 科学家：据作者所知，这是第一个在单一可检查工作流中涵盖基于文献的构思、验证执行、基于视觉的物理验证、源代码修改以及基于图表撰写的系统。
2. 基于 VLM 的物理门控：引入了一个视觉 - 语言子系统，用于检测求解器日志中不可见的物理不一致性，填补了当前 AI 科学家框架的关键空白。
3. 源代码级发现：能够自主编辑 C++ 源代码以修改湍流模型（例如 Spalart–Allmaras），并将其编译为案例特定的库，将代码修改视为假设空间的一部分。
4. 严格评估：通过受控的消融研究证明了 VLM 门控的有效性，并与强大的通用 AI 科学家基线（ARIS、DeepScientist）进行了直接对比。

结果

该系统使用 GPT-5.5 骨干在五项任务上进行了评估：

• T1（后向台阶湍流敏感性）：成功运行了四个 RANS 闭合模型。VLM 门控标记了一个再附着长度提取器中的符号约定错误，并将一个 $k$-$\varepsilon$ 输出判定为与分离流物理不一致，从而阻止了系统发布有缺陷的排名。
• T2（射流/羽流重扫）：执行了 7 个案例的雷诺数扫描，恢复了预期的速度标度。系统标记了一个异常案例，其中中心线平均值发生坍塌。
• T3（自定义粘度）：自主编写、编译并验证了自定义幂律粘度库，在 0.5% 的误差范围内复现了牛顿极限（$n=1$）。
• T4（自定义 SA 修饰符）：编译了带有逆压梯度（APG）修正的 Spalart–Allmaras 变体。针对控制案例（$APG=0$）验证了自定义代码路径，并生成了与 DNS 对齐的 $C_f$ 叠加图。
• T5（开放式发现）：在 44 次迭代的自主循环中，系统发现了周期性山丘（$Re_h=5600$）上 Spalart–Allmaras 模型的四极运行时修正。该修改将下壁面壁面摩擦（$C_f$）相对于 DNS 的均方根误差（RMSE）降低了7.89%（从 0.004297 降至 0.003958）。

消融研究：
在涉及四种流型中注入 16 个错误的植入式失效消融研究中，VLM 门控检测到了16 个失效中的 14 个（87.5% 召回率）。它在缺失交付物、错误量级和损坏的后处理方面实现了 100% 的召回率，但在截断的收敛运行（其中模拟时间被编辑以匹配截断状态，使其在视觉上完整）方面仅实现了 50% 的召回率。

对比：
在与匹配 LLM 成本的 ARIS 和 DeepScientist 相比时，基线执行了部分工作流，但缺乏领域特定的有效性门控。它们经常在缺乏网格独立性或 DNS 验证的情况下发布闭合排名或相关性。AI CFD 科学家更为保守，在证据不完整时保留主张，并确保所有主张都有经过验证的图表作为支撑。

意义与主张

论文声称，AI CFD 科学家代表了向开放式计算流体力学发现迈出的重要一步。其意义在于：

• 闭合循环：超越简单的案例设置，进入构思、执行、验证和撰写的完整循环。
• 物理 grounding：证明了集成视觉 - 语言门控对于将可运行的模拟转化为可辩护的科学主张是必要的，因为仅靠求解器日志不足以证明物理有效性。
• 自主发现：展示了 AI 智能体可以自主修改源代码，以发现能够提高与高保真 DNS 数据一致性的新颖湍流模型修正。
• 社区基准：提供了一个开源、可检查的 CFD 特定科学自动化框架，与闭源或部分覆盖的替代方案形成对比。

作者保持谦逊，指出该系统目前是一个“受监督的科学辅助”工具，而非无人值守的发表引擎，且评估依赖于人工专家对工件的解读，因为缺乏自动化的 CFD 论文评分标准。结果受限于所使用的单一骨干（GPT-5.5）以及所测试的特定任务。