流体力学基础理论与编程实战：不可压缩流体力学基本方程、尺度分析、傅里叶变换、伪谱法求解等内容，以及有限差分法、有限元法等求解案例实践。
Fluent简介与案例实战：介绍Fluent软件功能、网格划分技术、稳态与非稳态流体计算、两相流求解、仿真后处理等，以及圆柱绕流、小球入水等案例实践。
数据处理与人工智能基础：涵盖Python语言特征、数据分布度量、特征值分解、奇异值分解、数据降维等内容，以及神经网络的基本概念、感知机模型、激活函数、损失函数、优化算法等。
深度学习案例实践：包括梯度下降算法的Python实现、二阶函数极值问题求解、使用GANs提高流场分辨率等案例。
动力学神经网络求解微分方程：介绍常微分方程数值求解、神经常微分方程、Neural ODE求解动力学问题、物理信息神经网络、哈密顿神经网络等。
经典神经网络与流动特征提取：涵盖卷积神经网络、CNN用于流场信息预测分析、Diffusion model定义与算例、基于神经网络的流体超分辨应用等。
物理融合神经网络在湍流模拟中的应用：包括基于JAX框架的物理融合神经网络、JAX-PINN训练专家导引、求解圆柱绕流和二维机翼流场的模拟预测等。
公众号：助力科研：https://mp.weixin.qq.com/s/4nxq6JVvwzRypFhH7MHZ5g
Fluent简介与案例实战：介绍Fluent软件功能、网格划分技术、稳态与非稳态流体计算、两相流求解、仿真后处理等，以及圆柱绕流、小球入水等案例实践。
数据处理与人工智能基础：涵盖Python语言特征、数据分布度量、特征值分解、奇异值分解、数据降维等内容，以及神经网络的基本概念、感知机模型、激活函数、损失函数、优化算法等。
深度学习案例实践：包括梯度下降算法的Python实现、二阶函数极值问题求解、使用GANs提高流场分辨率等案例。
动力学神经网络求解微分方程：介绍常微分方程数值求解、神经常微分方程、Neural ODE求解动力学问题、物理信息神经网络、哈密顿神经网络等。
经典神经网络与流动特征提取：涵盖卷积神经网络、CNN用于流场信息预测分析、Diffusion model定义与算例、基于神经网络的流体超分辨应用等。
物理融合神经网络在湍流模拟中的应用：包括基于JAX框架的物理融合神经网络、JAX-PINN训练专家导引、求解圆柱绕流和二维机翼流场的模拟预测等。
公众号：助力科研：https://mp.weixin.qq.com/s/4nxq6JVvwzRypFhH7MHZ5g
