基于神经算子与多目标迁移学习的跨域流场预测方法及系统

本发明涉及人工智能技术领域，提供一种基于神经算子与多目标迁移学习的跨域流场预测方法，通过建立多输入输出通用神经算子变换器和多目标域迁移学习相结合，通过步骤S1～S5，多模态输入编码并进行傅里叶谱嵌入，经过编码和嵌入后，物理域的输入被其对应的参数化编码器映射到共享的潜在特征空间。所有域的编码特征输入到共享计算层，共享计算层处理后的特征，再通过各个域独立的参数化解码器映射到该域的物理量预测。本发明还公开了一种系统，实现的技术效果。在推理阶段效率提升，大幅缩短流场仿真时间，助力快速设计迭代与参数寻优。不仅适用于翼型流场预测，还可拓展至水动力学、热管理等多场景工程问题。