dynamicslab/hydrogym

它解决了什么问题

HydroGym 提供了一个标准化的、可用于研究的平台，用于将强化学习 (RL) 应用于流体动力学和流动控制。它弥合了复杂的计算流体动力学 (CFD) 求解器与现代机器学习库之间的鸿沟，使研究人员能够训练智能体完成从简单的 2D 基准测试到复杂的 3D 湍流等各种任务。

工作原理

HydroGym 通过与 Gymnasium 兼容的 API 公开流体动力学模拟，使其可以被视为标准的 RL 环境。它支持六种不同的求解器后端（包括 Firedrake、NEK5000 和 JAX-Fluids），并处理 CFD 的复杂性，例如并行化和网格管理。该平台通过 Hugging Face Hub 自动管理环境检查点，并为压力探针或应力传感器等自定义观测提供工具。

适用人群

该项目专为流体力学和机器学习领域的研究人员和工程师设计，他们需要一个强大且可扩展的框架来在物理流动控制问题上测试 RL 算法。它适用于从本地工作站实验到 HPC 系统上的大规模分布式训练等各种场景。

亮点

• 61+ 个预配置环境，涵盖 2D 和 3D 流动。
• 与 Stable-Baselines3 和 RLlib 等主流 RL 库兼容。
• 支持多种 CFD 后端，包括有限元、谱元和完全可微求解器。
• 具有 MPI 并行化求解器的可扩展架构，适用于高性能计算。
• 包含模态分解、稳定性分析以及通过 PettingZoo 实现的多智能体支持等高级功能。