计算机应用研究

作者：童攀,朱雨馨,邹鑫,戈文一,魏敏,

单位：1.成都信息工程大学计算机学院,成都610225；2.医疗虚拟现实与增强现实四川省工程研究中心,成都610225；

关键词：流体模拟,物理约束神经网络,多尺度流场注意力,连续卷积,粒子系统,

基金：四川省科学技术厅重点研发项目(2024YFG0009)；；

针对神经网络流体模拟中数据驱动与物理规律难以调和的根本矛盾，即过度依赖学习易导致偏离守恒定律，而强约束机制会削弱复杂流场表征能力，尤其在涉及边界交互的长期仿真中易引发结构畸变，提出了一种创新的多尺度流场注意力粒子网络（multi-scale flow-attentive network for particle dynamics，MFANet-PD）。该模型设计了双通道协同架构：流场增强模块（flow field enhancer，FFE）利用连续卷积算子与通道注意力重校准机制动态提取细粒度运动特征；物理感知约束路径显式处理障碍物边界并投影守恒量，实现了数据驱动与物理规律的协同优化。在Liquid3D数据集上的实验表明：相比基线模型，MFANet-PD在短期预测精度、长期稳定性及分布一致性上分别提升14.6%、降低18.7%和11.1%，并在克服结构畸变上表现更佳。消融实验证实完整模型比无FFE版本长期序列误差降低10.1%。峡谷地形测试验证其泛化，可有效处理60°倾角岩壁及2 000~8 000+粒子规模动态变化。该算法通过多尺度特征融合与物理约束机制显著提升了流体模拟的计算精度与物理一致性。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期