dynamicslab/hydrogym

解決的問題

HydroGym 提供了一種標準化的方法，將強化學習（RL）應用於流體動力學與流場控制。它透過提供一致的介面，彌補了複雜的計算流體力學（CFD）求解器與強化學習庫之間的差距，讓研究人員無需為每種不同的求解器建立自訂整合，即可訓練代理來控制流體流動。

工作原理

該平台實現了與 Gymnasium 兼容的 API，使其與 Stable-Baselines3 和 RLlib 等流行的 RL 庫相容。它整合了六種不同的求解器後端——包括有限元法（Firedrake）、格子玻爾茲曼法（MAIA LBM）、有限體積法（MAIA FV）、譜元法（NEK5000）以及可微分求解器（JAX-Fluids）——以在 2D 和 3D 環境中模擬流體行為。它支援透過 MPI 平行求解器和 GPU 加速的高效能運算（HPC），實現高效訓練。

適用對象

專為從事流體動力學、流場控制和強化學習的研究人員與工程師設計，提供可擴展、適合研究的平台，用於在經典基準測試與高雷諾數湍流流場上測試 RL 代理。

主要特色

• 豐富的環境庫：超過 61 個預設配置的環境，涵蓋圓柱尾流、翼型與湍流通道流等。
• 多後端支援：整合六種不同的 CFD 求解器類型，包含完全可微分的求解器，支援基於梯度的優化。
• 高度可擴展性：針對從本地工作站到艾克薩級 HPC 系統進行優化，支援 MPI 與 GPU。
• 先進的分析工具：內建模態分解（DMD、POD）與全域穩定性分析支援。