Nature Commun.：用于生成时空湍流的条件神经场潜扩散模型

湍流模拟在工程和科学应用中具有重要意义，但传统数值方法在高雷诺数或实时场景中计算成本高。Jian-Xun Wang等人提出了一种条件神经场潜扩散（CoNFiLD）模型，结合神经场方法与潜扩散过程，有效捕捉湍流的记忆效应和随机特性。CoNFiLD模型通过贝叶斯条件采样技术，适用于零耗散全流域重建、超分辨率、湍流控制和灾后恢复等应用场景，展现出高效、准确且通用的特性。研究结果表明，CoNFiLD在多领域中能够精确生成各向异性湍流流场，具有实时预测和优化流体动力学的潜力。