dynamicslab/hydrogym

它解决了什么问题

HydroGym 提供了一种标准化的方法，将强化学习（RL）应用于流体动力学和流动控制。它通过提供一致的接口，弥合了复杂的计算流体动力学（CFD）求解器与强化学习库之间的差距，使研究人员能够在不为每个不同求解器构建自定义集成的情况下，训练智能体来控制流体流动。

它如何工作

该平台实现了与 Gymnasium 兼容的 API，使其能够与 Stable-Baselines3 和 RLlib 等流行的 RL 库兼容。它集成了六种不同的求解器后端——包括有限元法（Firedrake）、格子玻尔兹曼法（MAIA LBM）、有限体积法（MAIA FV）、谱元法（NEK5000）以及可微分求解器（JAX-Fluids）——以在 2D 和 3D 环境中模拟流体行为。它支持通过 MPI 并行求解器和 GPU 加速实现高性能计算（HPC），从而实现高效的训练。

适用于谁

该平台专为从事流体动力学、流动控制和强化学习的研究人员与工程师设计，他们需要一个可扩展、可直接用于研究的平台，以在经典基准测试和高雷诺数湍流流动上测试强化学习智能体。

主要特点

• 丰富的环境库：包含超过 61 个预配置环境，涵盖圆柱尾流、机翼以及湍流通道流动。
• 多后端支持：集成六种不同的 CFD 求解器类型，包括完全可微分的求解器，支持基于梯度的优化。
• 高度可扩展性：针对从本地工作站到百亿亿次级 HPC 系统的各类环境进行了优化，支持 MPI 和 GPU。
• 高级分析工具：内置模态分解（DMD、POD）和全局稳定性分析支持。

"HydroGym 为流体控制中的强化学习提供了一个强大且灵活的框架，使研究人员能够专注于算法创新，而不必陷入底层实现的复杂性。" — @hydrogym_dev