机器学习（ML）迅速提升了许多科学和工程领域的技术水平，包括实验流体动力学，这是最初的大数据学科之一。近日，皇家理工学院Ricardo Vinuesa展望研究了机器学习在流体力学实验中的潜力。

本文要点：

1) 作者强调了实验流体力学的几个方面，这些方面将受益于ML的进步，包括提高测量技术的保真度和质量，改进实验设计和替代数字孪生模型，以及实现实时评估和控制。

2) 在每种情况下，作者都会讨论最近的成功案例和持续的挑战，以及注意事项和局限性，并概述ML增强和ML启用实验流体力学新途径的潜力。

参考电竞投注官网 ：

Ricardo Vinuesa et.al The transformative potential of machine learning for experiments in fluid mechanics Nature Reviews Physics 2023

DOI: 10.1038/s42254-023-00622-y

https://doi.org/10.1038/s42254-023-00622-y