以智破局，以创致远 | 中山大学系统学子斩获大湾区杯AI for Science竞赛金奖

近日，2025年第三届“大湾区杯”AI for Science 科技竞赛结果正式揭晓。中山大学系统科学与工程学院本科生学生团队在AI+流体力学开放赛题中表现突出，凭借作品《智能生成式乘波体气动分析与设计软件开发》荣获金奖，充分展现了我院学子在人工智能与工程力学交叉领域的创新能力与科研素养。

本次参赛团队由中山大学系统科学与工程学院本科生赖佳敏担任队长，队员包括孙姿勤、林汉鹏，指导教师为段焰辉副教授。团队围绕高超声速飞行器关键构型——乘波体的气动分析与设计问题，深入探索人工智能赋能工程设计的新范式，提出并实现了一套AI驱动的乘波体智能反设计解决方案。

01

破解工程难题：从“正向设计”到

“智能反设计”

乘波体作为专为超高音速飞行而生的飞行器构型，在超高音速条件下具有良好的升阻比特性。然而，传统的“先设计形状、再计算气动性能”的正向设计模式存在明显短板：单个设计方案往往需要迭代数十次，耗时长、算力消耗大，难以满足工程场景中多约束条件下快速迭代的需求。

针对这一工程痛点，团队提出“从气动性能需求出发，借助AI反设计突破传统方法局限”的技术路线。团队采用条件生成对抗网络（cGANs），有效学习“气动性能与几何形状”之间的复杂非线性映射关系，实现了从气动性能需求到几何形状的端到端快速生成。用户只需输入目标气动性能参数，系统便可自动生成符合要求的乘波体设计方案并进行3D可视化展示。

02

技术创新：AI与计算流体力学

深度融合

该软件的核心亮点在于“AI驱动乘波体反设计模块”。团队基于PaddlePaddle深度学习生态，构建了生成器-判别器双网络框架：生成器专注学习如何生成符合要求的几何参数，判别器则严格校验生成的几何参数是否满足气动约束。该模块在接收气动目标参数后，依托预训练cGANs模型自动生成乘波体关键参数，再通过物理后处理转换为3D点云坐标，实现了生成对抗网络与乘波体设计的深度融合。

软件集成了单后掠、双后掠、一般密切锥、锥导等四种类型乘波体的设计功能，建立了完整的“参数→外形→性能”闭环，实现了从参数定义、流线追踪、典型流场计算到气动分析的全流程自动化。

03

青春之力探索前沿

作为本科生团队，赖佳敏、孙姿勤、林汉鹏用青春之力探索前沿技术融合，用创新思维破解工程难题，探索了传统设计周期长、依赖专家经验、多目标协同难等痛点的解决途径。他们怀揣着推动航空航天领域高效设计技术普及的初心，持续深耕、砥砺前行，为中山大学赢得荣誉，也为我国高超声速飞行器技术发展贡献了青年力量。

此次获奖，彰显了系统科学与工程学院在持续推进人工智能与工程科学深度融合方面所取得的重要成果。未来，团队将进一步深耕物理约束学习、多学科协同优化等领域，为服务国家重大工程需求和前沿科技发展贡献中大智慧与青春力量。