基于重叠网格的翼型动态失速数值模拟

由于动态失速的相关特性及网格变形方法的限制性,采用重叠网格方法及广泛应用在分离流动问题中的SST k-ω湍流模型对NACA0012翼型开展了非定常动态失速的数值模拟研究,得到了动态运动过程中的气动力系数及翼型周围的流线图。研究结果表明采用的计算网格及方法不仅可以有效模拟翼型小幅振荡的动态特性,对大迎角俯仰运动的计算也具有良好的效果。同时能够精确的模拟出俯仰振荡过程中的气动力迟滞效应及大迎角动态失速时翼型前缘涡产生、脱落到再附的运动过程。     

ChatGPT大模型技术发展与应用

通过回顾深度学习、语言模型、语义表示和预训练技术的发展历程,全面解析了ChatGPT的技术渊源和演进路线。在语言模型方面,从早期的N-gram统计方法逐步演进到神经网络语言模型,通过对机器翻译技术的研究和影响也催生了Transformer的出现,继而又推动了神经网络语言模型的发展。在语义表示和预训练技术发展方面,从早期的TF-IDF、pLSA和LDA等统计方法发展到Word2Vec等基于神经网络的词向量表示,继而发展到ELMo、BERT和GPT-2等预训练语言模型,预训练框架日益成熟,为模型提供了丰富的语义知识。GPT-3的出现揭示了大语言模型的潜力,但依然存在幻觉问题,如生成不可控、知识谬误及逻辑推理能力差等。为了缓解这些问题,ChatGPT通过指令学习、监督微调、基于人类反馈的强化学习等方式在GPT-3.5上进一步与人类进行对齐学习,效果不断提升。ChatGPT等大模型的出现,标志着该领域技术进入新的发展阶段,为人机交互以及通用人工智能的发展开辟了新的可能。