流体动力学与水力学领域的科学机器学习

该项目致力于开发和优化用于流体力学领域的物理信息神经网络（PINN），其应用包括洪水模拟与流固相互作用的建模。通过将以偏微分方程形式表达的物理定律融入神经网络中，该项目旨在减少对大量数据集的需求并降低计算成本。

关于该项目 基于物理的神经网络（PINNs）为流体动力学模拟中的传统方法提供了一种创新且高效的替代方案，能够在显著降低计算成本的前提下实现与 CFD 同等水平的精度，从而减少能源消耗并保护环境。 人工智能（AI）已深度融入现代社会，其带来的巨大益处往往掩盖了其局限性。作为最常见的形式，神经网络（NNs）通常需要庞大的训练数据集和强大的计算能力，从而导致高能耗及较大的碳足迹。此外，数据的收集与处理仍是一项重大挑战，这限制了人工智能的普及程度。然而，许多物理与工程领域的问题都遵循既定的规律，通常表现为偏微分方程（PDEs）。 通过将这一物理知识融入神经网络中，对大量数据集的需求可大幅降低，甚至完全消除，同时计算成本也相应减少。这些专用网络被称为物理信息神经网络（PINN）。 在本项目中，基于主持团队以往的研究成果，你将致力于开发和优化 PINN 模型，以应用于与流体力学和水力学相关的各种问题。应用实例包括快速模拟洪水、替代的纳维-斯托克斯求解器以及各种流体-结构相互作用的仿真。 您将加入南安普顿大学中一个多元化、充满活力且不断发展的 PINNs 研究小组，可使用英国最强大的超级计算机之一，并获得从事计算流体动力学与人工智能各领域的博士学生的支持。此外，您还将成为不断扩展的国际合作网络中的一员。 你将接受全面的培训，以确保顺利完成您的博士研究。这包括在南安普顿大学获得高性能计算与计算流体动力学领域的专项支持。 此外，主持研究的团队将提供进一步的指导与合作机会，该团队由几位从事 PINN 研究的研究生组成。 工程学院致力于促进平等与多样性，这从我们获得的 Athena SWAN 奖中可见一斑。我们欢迎所有申请者，无论其性别、种族、残疾状况、性取向或年龄如何，并将充分考虑那些寻求灵活工作模式以及已休过职业休假的申请者。该大学拥有完善的生育政策、现场儿童保育设施，并提供多种福利措施，以保障员工的生活质量与工作生活平衡。南安普顿大学致力于可持续发展，并荣获了铂金级 EcoAward 认证。

入学要求 您必须拥有英国 2:1 荣誉学位或其国际等效学位，且该学位属于以下领域之一： 机械工程 航空航天工程 土木工程 计算机科学 物理学 数学 或相关学科 必备技能： 基础编程技能 理想的技能： 在流体力学、水力学和/或神经网络方面扎实的基础

资助：竞争性资助 学费与资助 我们为英国本土学生和国际学生提供多种资助机会。符合条件的学生可通过“地平线欧洲”学费减免，自动免除国际学生学费与英国本土学生学费之间的差额。 大学通过竞争性遴选授予的校长助学金，为遴选排名靠前的申请人支付国际学生学费与英国本土学生学费之间的差额。 本校各学院通过竞争性遴选提供的博士奖助金，通常为遴选排名靠前的申请人支付按英国本土学生标准收取的学费，并提供生活津贴。 资助采用滚动授予方式，因此请尽早申请，以尽可能增加进入资助评选的机会。 如需更多信息，请访问我们的研究型研究生资助页面。

如何申请 您需： 选择课程类型（研究型）、2027/28学年、工程与物理科学学院 选择全日制或非全日制 搜索工程与环境博士项目（7175） 在申请表第2部分填写导师姓名 申请材料应包括： 您的CV（个人简历） 2份学术推荐信 截至目前的学位课程成绩单和证书 英语语言资格证明（如适用）