# PhysicsAiFluentAnalysis

> 物理世界流场实时仿真 —— 用 AI 神经算子把高保真 CFD 压缩到毫秒级推理。

[![Status](https://img.shields.io/badge/status-P0%20%E8%A7%84%E5%88%92%E6%9C%9F-blue)]()
[![Demo](https://img.shields.io/badge/demo-FFU%20%E6%B4%81%E5%87%80%E5%AE%A4%E6%B5%81%E5%9C%BA-green)]()
[![Speed](https://img.shields.io/badge/surrogate-7.3%20s%20%2F%2016--27x-orange)]()

---

## 一句话定义

以 **Ansys Fluent 高保真仿真为真值**，训练 **物理约束的 AI 代理模型（神经算子）**，在保持物理一致性的前提下，把小时级的流场计算压缩到 **毫秒级实时推理**，支撑数字孪生、工程设计优化与沉浸式可视化。

## 为什么这件事"炸裂"又"难"

| 维度 | 现状 | 目标 |
| --- | --- | --- |
| 单次 CFD 仿真 | 小时 ~ 天级 | 毫秒级（>1000x 加速） |
| 参数扫描 | 一次一个工况 | 全参数空间连续可微 |
| 交互性 | 离线出报告 | 实时拖拽参数、流场即时响应 |
| 物理可信度 | 求解器保证 | 物理约束 + 守恒律 + 不确定性量化 |

**难在哪：** Navier-Stokes 方程的非线性与多尺度特性、湍流闭合问题、AI 长时推演的误差累积与发散、复杂几何的泛化、3D 大网格的实时推理算力瓶颈。这不是"套一个模型"能解决的，需要 **数据流水线 + 物理约束 + 工程加速 + 严格验证** 四线并进。

## 已落地 Demo：FFU 洁净室流场实时仿真

FFU（风机过滤单元）下方洁净区的流场、温湿度、压力与尘埃粒子输运 —— 同场景提供 **高保真真值** 与 **快速代理** 两条路径。

![FFU 流场（高保真）](docs/assets/ffu-flow-field.png)

| | 高保真真值 | 快速代理 |
| --- | --- | --- |
| 网格 / 步数 | 360×270 / 14000 步 | 120×90 / 5000 步（同源求解器） |
| 端到端耗时 | **76 s** | **7.3 s（16-27x 加速）** |
| 趋势一致性 | 基准 | 速度 **r=0.95** · 粒子 r=0.83 · 温度 r=0.68 |

![趋势验证](docs/assets/ffu-validation.png)

**主要趋势**：单向下扫排污染 → 绕障/缝隙加速（局部 ~1.5 m/s）→ 背风侧死角堆积滞留 → 送风正压/回风负压（< 2 Pa）。

详见 [docs/07-ffu-demo.md](docs/07-ffu-demo.md)。

## 系统总览

![系统架构](docs/assets/architecture.png)

## 技术路线（一图流）

![数据与训练流水线](docs/assets/pipeline.png)

## 里程碑路线图

![路线图](docs/assets/roadmap.png)

## 文档导航

| 文档 | 内容 |
| --- | --- |
| [docs/01-vision.md](docs/01-vision.md) | 愿景、痛点、目标与非目标、成功标准（KPI） |
| [docs/02-architecture.md](docs/02-architecture.md) | 分层架构、数据流、技术选型与对比 |
| [docs/03-roadmap.md](docs/03-roadmap.md) | 7 个阶段的目标、交付物与验收标准 |
| [docs/04-data-and-ai.md](docs/04-data-and-ai.md) | Fluent 数据工厂、模型选型、训练与评估方案 |
| [docs/05-risks.md](docs/05-risks.md) | 技术风险、缓解策略与开放问题 |
| [docs/06-references.md](docs/06-references.md) | 论文、开源工具与数据集索引 |
| [docs/07-ffu-demo.md](docs/07-ffu-demo.md) | FFU 洁净室 Demo：物理设置、趋势验证、复现命令 |

## 仓库结构

```
PhysicsAiFluentAnalysis/
├── README.md                 # 项目总览（本文件）
├── package.json              # 图件工具依赖 (SVG -> PNG)
├── docs/                     # 规划文档 + 演示图
│   ├── 01-vision.md ~ 07-ffu-demo.md
│   └── assets/               # PNG / SVG 演示图
│       ├── architecture.*    系统架构图
│       ├── pipeline.*        数据与训练流水线
│       ├── roadmap.*         里程碑路线图
│       ├── ffu-flow-field.*           FFU 流场（高保真 LBM）
│       ├── ffu-scalar-fields.png      温湿度/压力/粒子（高保真）
│       ├── ffu-particle-tracks.png    粒子轨迹与滞留时间
│       ├── ffu-flow-field-fast.png    快速代理流场（7 s）
│       ├── ffu-scalar-fields-fast.png 快速代理标量场
│       └── ffu-validation.png         趋势验证对比图
└── tools/                    # 可复现的生成脚本
    ├── ffu_simulation.py     # 高保真 D2Q9 LBM + 标量输运（76 s）
    ├── ffu_surrogate.py      # 快速代理（7 s）+ 趋势验证
    ├── gen_diagrams.py       # 架构/流水线/路线图 SVG 生成
    └── svg2png.js            # SVG -> PNG 批量转换
```

## 快速开始

```bash
# 依赖: Python 3.11+ (numpy / numba / matplotlib), Node 18+ (仅图件转换需要)

# 1) 快速代理出图（约 7 秒，含趋势验证对比图）
python tools/ffu_surrogate.py

# 2) 高保真真值（约 76 秒，输出 3 张图 + npz 场数据）
python tools/ffu_simulation.py

# 3) 规划图（架构 / 流水线 / 路线图）
python tools/gen_diagrams.py

# 4) SVG -> PNG
npm install && node tools/svg2png.js
```

## 当前状态

**P0 规划期**：愿景、架构、路线图、风险分析完成；FFU 洁净室 Demo 已可运行（高保真 + 快速代理双路径 + 趋势验证）。
**下一步**：进入 P1，完成 2D 圆柱绕流 POC（Fluent 数据 → FNO 基线 → 误差评估）。

---

*本项目处于早期规划阶段，欢迎讨论与共建。*