近日，吴远卿特聘副教授在流体力学领域权威期刊Physics of Fluids 上发表题目为Removing the performance bottleneck of pressure–temperature flash calculations during both the online and offline stages by using physics-informed neural networks的研究论文（DOI: https://doi.org/10.1063/5.0150341）。东莞理工学院为本文第一完成单位，阿卜杜拉国王科技大学的孙树瑜教授为本文通讯作者。
随着国家“双碳”目标的实施，碳达峰和碳中和已经成为我国环保领域的重要议题，而实现“双碳”目标的一个重要手段就是二氧化碳的地质封存。在这种封存方式下，二氧化碳被封存于已经没有开采价值的深层油气藏中，并与油气藏中的碳氢化合物混合而发生闪蒸现象，而这就需要闪蒸计算模型来描述。不仅如此，随着我国能源安全问题的日益凸显，油气藏的高效开采就显得尤为重要。其中，多组分流的数值模拟可以很好地指导实际开采作业的进行，它也需要借用闪蒸计算来得到流体中的相态和各物质的组分值。
但是，压力-温度（PT）闪蒸计算是多组分流模拟的性能瓶颈。通过使用稀疏网格代理，PT闪蒸计算的计算负担从在线阶段转移到了多组分流模拟的离线阶段，从而实现了显著加速。我们知道，数据驱动的神经网络也可以作为PT闪蒸计算的替代方法。然而，闪蒸计算仍需要在训练阶段进行，这意味着PT闪蒸计算的计算负担仍然存在于离线阶段。利用物理信息神经网络，我们可以在离线阶段不再执行PT闪蒸计算的两个重负荷例程：连续替代法和稳定性分析，从而消除了离线阶段的计算负担。数值实验证明了该工作的正确性和适用性。据我们所知，这是第一个在多组分流模拟的在线和离线阶段同时消除PT闪蒸计算性能瓶颈的工作。
课题组及负责人简介：吴远卿现为计算机科学与技术学院数学系特聘副教授，其研究方向包括计算流体力学、油气藏数值模拟、并行计算、深度学习等。吴远卿先后主持国家和省市级科研项目多项，项目总金额近300万元；以第一或通信作者在中科院一区TOP期刊发表论文8篇；获得深圳市孔雀计划奖励和南山区领航人才称号。阿卜杜拉国王科技大学的孙树瑜教授为论文通信作者，他也是长江学者讲座教授获得者。该工作得到深圳市自然科学基金面上项目（20200801100615003）和阿卜杜拉国王科技大学科研基金（BAS/1/1351-01、URF/1/5028-01）的支持。
撰文：吴远卿；一审：陶铭；二审：詹春燕 ；三审：李长平
