混合加速案例

本案例研究神经网络如何作为校正器、预条件器或求解器内模块加速传统 CFD，而不是完全替代数值求解器。

代表方法

• Solver-in-the-Loop；
• Indirect Neural Corrector（INC）；
• NeuroSEM；
• 神经算子预条件 Newton；
• 几何感知神经预条件器；
• PICT、diffSPH 等专业外部运行时。

评价协议

必须同时报告：

• 数值误差与守恒；
• 收敛迭代数；
• 稳定性和失败率；
• 单步运行时间；
• 完整求解时间；
• 训练成本；
• 多次部署后的盈亏平衡点。

公平比较

神经校正器应与相同网格、相同收敛容差和相同硬件上的传统求解器比较。不能只比较网络推理时间而忽略数据传输、预处理、求解器步骤和训练成本。

检查点

建议保留传统求解器基线、混合求解器、纯代理模型三组结果，并报告超出训练工况时的稳定性。