湍流壁模型不仅是湍流理论的基本问题，也是工业湍流大涡模拟的关键问题。但是，基于平衡层假设的壁模型只适用于附着流，并不适用于工业湍流中的分离流。力学所杨晓雷研究员等采用机器学习方法提出了增才学习壁模型，可以同时适用于附着流和分离流。

增才学习壁模型从简化的薄边界层方程出发，引入数据驱动的外力表征压力梯度和壁面曲率引起的非平衡效应，并提出用距离函数来区分附着流和分离流。由此，可以通过从附着流到分离流的增才学习，得到同时适用于附着流和分离流的湍流壁模型。本研究提出的增才学习方法不仅可以用于研究湍流模型泛化性问题，而且为机器学习的“灾难性遗忘”问题开辟了一个新途径。

该成果以快报形式发表在流体力学顶级期刊《J. Fluid Mech.》上。文章的第一作者为力学所博士研究生张风顺，通讯作者为杨晓雷研究员，共同作者为周志登博士和何国威院士。该研究工作得到国家自然科学基金基础科学中心项目“非线性力学的多尺度问题研究”（No. 11988102）、中国科学院战略性先导科技专项(No. XDB0620102)等资助。

论文链接：https://doi.org/10.1017/jfm.2025.361

图1 基于知识融合的大涡模拟增才学习壁模型示意图