更新时间：2025-04-17 18:32:10
封面
版权信息
版权
内容提要
专家推荐
丛书序
前言
第1章 导论
1.1 科学计算的背景
1.2 科学计算在中国的发展
第2章 科学计算的应用与方案
2.1 概述
2.1.1 电磁学概述
2.1.2 生物计算概述
2.1.3 流体力学概述
2.1.4 气象学概述
2.1.5 材料化学概述
2.1.6 量子计算概述
2.2 电磁学
2.2.1 电磁学发展
2.2.2 电磁学领域的AI应用
2.3 生物计算
2.3.1 蛋白质结构预测
2.3.2 蛋白质功能与性质预测
2.3.3 蛋白质设计
2.4 流体力学
2.4.1 计算流体力学方法
2.4.2 机器学习在流体力学中的应用
2.4.3 流体建模
2.4.4 主动流体控制与优化
2.4.5 机器学习在流体力学中的挑战
2.5 气象学
2.5.1 大气物理学
2.5.2 大气化学
2.6 材料化学
2.6.1 化学信息表示与存储
2.6.2 逆合成预测
2.6.3 智能化化学实验室
2.6.4 计算化学研究
2.7 量子计算
2.7.1 量子计算基本概念
2.7.2 量子机器学习可行性分析
2.7.3 量子机器学习
2.7.4 量子神经网络
第3章 电磁学应用实践
3.1 概述
3.2 物理驱动的AI电磁仿真
3.2.1 点源时域麦克斯韦方程AI求解
3.2.2 增量训练求解麦克斯韦方程族
3.3 数据驱动的AI电磁仿真
3.3.1 基于参数化方案的AI电磁仿真
3.3.2 基于点云方案的AI电磁仿真
3.4 端到端可微分的FDTD
3.4.1 可微分FDTD求解器原理
3.4.2 基于可微分FDTD的S参数仿真
3.4.3 端到端可微分FDTD求解二维TM模式的电磁逆散射问题
3.5 总结与展望
第4章 生物计算应用实践
4.1 概述
4.2 物理驱动——分子动力学模拟
4.2.1 基础模拟流程
4.2.2 蛋白质松弛
4.3 数据驱动——蛋白质结构预测
4.3.1 蛋白质结构预测工具——MEGA-Protein
4.3.2 动态蛋白质结构解析
4.4 总结与展望
第5章 流体力学应用实践
5.1 概述
5.2 物理驱动的AI流体仿真
5.2.1 N-S方程正问题求解
5.2.2 N-S方程反问题求解
5.3 数据驱动的AI流体仿真
5.3.1 流体仿真大模型——东方·御风
5.3.2 基于傅里叶神经算子的流场仿真
5.3.3 基于Koopman神经算子的流场仿真
5.4 数据-机理融合驱动的AI流体仿真
5.4.1 基于PDE-Net的AI流体仿真
5.4.2 AI湍流建模
5.5 端到端可微分CFD求解器
5.5.1 可微分CFD求解器原理
5.5.2 MindFlow CFD求解器的实现
5.5.3 激波管问题求解
5.5.4 库埃特问题求解
5.5.5 二维黎曼问题求解
5.6 总结与展望
第6章 气象学应用实践
6.1 概述
6.2 基于Koopman神经算子的AI天气预报模型
6.2.1 ViT-KNO模型理论基础
6.2.2 导入依赖
6.2.3 配置文件
6.2.4 创建数据集
6.2.5 构建神经网络
6.2.6 构建损失函数
6.2.7 模型训练
6.2.8 模型测试
6.3 基于深度生成模型的短临降水AI预测
6.3.1 创建数据集
6.3.2 构建模型
6.3.3 构建优化器和损失函数
