本书围绕计算流体力学流场计算过程中的网格生成效率与质量、计算可解释性与精度、可视化置信水平与应用通用性等问题，从智能流场计算工作流、智能化前处理技术、智能化流场快速预测技术和智能化后处理技术四个方面，开展了深入、系统的介绍与讨论。 本书可作为流体力学、空气动力学等专业高年级本科生、研究生的参考书，也可作为航空航天飞行器设计、汽车工程、能源工程、水利土木、环境工程等方向科研工作者的参考书。

第1章 概论
1.1 计算流体力学的重要作用
1.2 计算流体力学面临的挑战
1.3 AI+Science认知科学新范式的来临
第2章 基础理论和研究现状
2.1 计算流体力学传统数值模拟流程
2.2 流场数据
2.3 旋涡特征提取技术
2.4 关键时间步选取技术
2.5 神经网络与深度学习方法
2.6 神经网络在计算流体力学中的应用
第3章 智能流场计算工作流
3.1 引言
3.2 智能流场计算工作流框架
3.3 CFD数值模拟智能驱动方法
3.4 小结
第4章 智能化前处理技术——网格生成
4.1 引言
4.2 传统结构网格生成方法
4.3 基于神经网络的网格生成方法MGNet
4.4 数值实验
4.5 小结
第5章 智能化前处理技术——网格质量判别
5.1 引言
5.2 传统网格质量判别方法
5.3 基于卷积神经网络的二维网格质量判别方法
5.4 基于深度可分离卷积神经网络的二维网格质量判别方法
5.5 基于神经网络的三维网格质量判别方法
5.6 小结
第6章 智能化流场快速预测技术——气动加速预测
6.1 引言
6.2 神经网络和物理求解器耦合的流场加速求解方法PLNet
6.3 PLNet数值实验
6.4 基于CCN网络的气动流场模拟加速
6.5 实验设置与结果分析
6.5 小结
第7章 智能化流场快速预测技术——流场代理求解
7.1 引言
7.2 基于神经网络的偏微分方程代理求解方法
7.3 DFS—Net数值实验
7.4 代理求解方法的迁移性能分析
7.5 物理信息神经网络的流动换热耦合求解方法
7.6 PINN—FFHT实验结果
7.7 小结
第8章 智能化后处理技术——流场旋涡提取方法
8.1 引言
8.2 旋涡特征提取技术
8.3 基于有监督学习的流场旋涡提取方法
8.4 实验结果
8.5 基于无监督学习的流场旋涡提取方法
8.6 实验结果
8.7 小结
第9章 智能化后处理技术——关键时间步选取
9.1 引言
9.2 流场关键时间步智能选取方法(KTSS—Net)
9.3 实验结果
9.4 小结
参考文献