智能流体计算和大数据分析及其应用研究组（IFD）
【团队介绍】
践行习近平总书记“为建设世界科技强国而奋斗”的理念，围绕航天领域、智能流体计算的国家重大需求，以流体力学为基础，通过机器学习、数据同化方法，利用数值模拟和实验产生的流动数据，开展代理模型、降阶模型、飞行器和翼型优化设计、新材料设计等基础研究和应用研究。
【重点研究领域】
（1）智能流体计算（降阶模型、数据同化）
（2）大数据分析（飞行器和翼型优化设计、新材料设计）
【团队带头人】
武频 教授
|
武频，教授，博导。研究方向：智能流体计算、大数据分析及其应用。博士、博士后期间开始参加科研工作，参加了多项国防科工委研究课题，主要负责计算流体力学数值计算方面的研究工作。自2003年参加工作以来，独立主持完成国家自然科学基金青年基金1项，国家科技支撑计划子课题2项，空气动力学国家重点实验室开放课题1项，中国博士后基金1项，上海市教委科学发展基金1项，上海市选拔培养优秀青年教师基金1项。目前在研的科研项目主要有英国皇家工程院合作基金一项和上海市自然科学基金一项。在包括Physics of Fluids，Computer Methods in Applied Mechanics and Engineering，Journal of Computational Science，Expert Systems with Applications，空气动力学学报等期刊上发表论文40多篇。
【科研团队顾问】
郭毅可 教授
郭毅可，教授，博导 |
香港浸会大学副校长（2020年-至今）
英国帝国理工大学数据科学研究所所长
英国皇家工程院院士（2018年-至今）
欧洲科学院院士（2018年-至今）
郭毅可是国际著名数据科学和人工智能学者，他的研究重点为机器学习及数据挖掘系统。
主要获奖有：
• 2018 年美国计算机协会 ACM 杰出服务奖
• 2017 年美国 ACM 多媒体专委会年度最佳开源软件奖 （Tensorlayer 机器学习平台）
• 2017 年英国国家技术奖“2017 年度云产品” （IDBS EWB 云平台）
• 2017 年江苏省友谊奖 （表彰把人工智能技术转换为产业的贡献）
• 2016 年获聘英国计算机科学皇家特聘教授(Regius Professor ，英国计算机领域唯一一名)
【团队成员】
【部分科研项目（近五年）】
项目来源 | 项目名称 | 执行时间 | 经费 (万元) | 备注 |
英国牛顿基金TSPC1086 | MLCFD in Air Quality Prediction | 2020.4-2022.4 | 50 | 主持 |
空气动力学国家重点实验室开放课题 SKLA20180303 | 机器学习支持的城市空气质量数值预测关键技术研究 | 2018.10-2020.09 | 20 | 主持 |
上海市自然科学基金 19ZR1417700 | 基于深度学习的空气质量预测CFD降阶模型研究 | 2019.07-2022.06 | 20 | 主持 |
中国人民解放军63821部队JK20202A040545WX01 | 战术导弹气动特性快速预测方法 | 2021.06-2022.06 | 33 | 主持 |
成都星云智联科技有限公司（攀枝花钢铁厂） 922119331211 | TBY机理仿真和设备故障诊断 | 2021.6-2022.12 | 参与 |
代表性论文：
发表论文40余篇。近期部分代表性论文如下：
1.Wu P, Sun J, Chang X, et al. Data-driven reduced order model with temporal convolutional neural network[J]. Computer Methods in Applied Mechanics and Engineering, 2020, 360: 112766.（中科院分区1区，影响因子5.763）
2.Wu Pin, Chang Xuting, Yang Yang, Li Xiaoqiang. BASN—Learning Steganography with a Binary Attention Mechanism[J]. Future Internet, 2020, 12(3): 43.
3.Pin Wu, Zhidan Lei, Quan Zhou, Rukang Zhu, Xuting Chang, Junwu Sun, Wenjie Zhang, Yike Guo. Multiple premises entailment recognition based on attention and gate mechanism[J]. Expert Systems with Applications, 2020, 147: 113214.
4.武频, 孙俊五, 封卫兵. 基于自编码器和LSTM的模型降阶方法. 空气动力学学报, 2021-1，39(1):73-81.
5.C. Quilodrán Casas, R. Arcucci, P. Wu, C.C. Pain, Y.-K. Guo (2020) A Reduced Order Deep Data Assimilation model, Physical D: Nonlinear Phenomena, 412, 132615.v
6.Pin Wu, Xuting Chang, Junwu Sun, Wenjie Zhang, Rossella ARcucci C., Yike Guo. Fast data assimilation (FDA): Data assimilation by machine learning for faster optimize model state. Journal of Computational Science. 2021-2, (JCR分区2Q，中科院分区3区，SCI 影响因子3.976)
7.武频，常旭婷，郎佳琳，潘凯凯，龚思泉. 基于卷积神经网络和状态时间序列的参数辨识, 空气动力学学报, 2021-8, 39(4): 69-76.
8.Wu P, Gong S, Pan K, et al. Reduced order model using convolutional auto-encoder with self-attention[J]. Physics of Fluids, 2021, 33(7): 077107. (中科院分区2区，SCI 影响因子3.521)
9.Pin Wu, Wenyan Yuan, Lulu Ji, et al. Missile aerodynamic shape optimization design using deep neural networks[J]. Aerospace Science and Technology, 2022,126: 107640. (中科院分区1区，SCI 影响因子5.1071)
