2023年6月8日下午16:30，在明理楼C302B，英国郝瑞瓦特大学蒋泽云教授应邀为我院师生作了题为“深度学习在孔隙尺度两相流中应用的不同视角（Different Perspectives on the Application of Deep Learning for Pore-Scale Two-Phase Flow）”的学术报告。本次报告由理学院副院长闵超教授主持。
蒋教授以人工智能的最新应用ChatGPT来展开，详细介绍了人工智能如今对人们日常生活的影响，并指出人工智能的快速发展使得其在一些实际情况中可解释性也需要进一步提高。随后，蒋教授又详细介绍了金沙娱场城app7979关于岩石微观孔隙结构中两相流研究的相关理论和方法，他指出预测岩石微观孔隙结构中两相流并建立其对应的相渗曲线，这对地下渗流的有监督解释意义重大。同时，他指出其可以在特征图片中应用数学统计方法和计算机视觉的方法（比如深度学习），然后通过实际岩石物理属性进行分析和验证。另外，蒋教授还详细讲解了他们团队目前金沙娱场城app7979关于该领域研究的成果，如利用数据增强，并采用深度学习中的卷积神经网络(CNN)、长短期记忆神经网络(LSTM)和视觉转换器(ViT)来分别模拟预测岩石微观孔隙结构中两相流，结合实际岩石物理属性和渗流力学，对比分析三大深度学习模型的预测效果，得到所构建的ViT模型预测结果与实际更为符合，并很好地预测了两相流的流体分布。
针对目前两相流模拟预测的未来发展，蒋教授指出目前在二维空间下的两相流模拟预测已取得了一些很重要的成果，但在三维空间下的两相流模拟预测的研究上还需要进行深入研究和突破，以便进一步提高对地下渗流的微观可解释性，使得可在工业上进行更为广泛的应用，助力油气勘探开发。
最后，蒋教授与参会师生围绕该课题进行了长时间的深入交流，在针对师生提出的问题进行详细解答的同时，并给大家提出了许多学术性的意见和建议。
蒋泽云教授从2004年以后主要从事孔隙介质（如岩石、土壤等）异质多尺度结构分析和流体渗流模型研究,在Water Resource research, Transport in Porous Media, Fuel等期刊和国际会议上发表论文40多篇，在国内外参与并主导若干重大科研项目。主要从事微观空隙结构分析及网络渗流模型的研究,独立开发软件系统PAT–Pore Analysis Tools（这一软件在学术和工业界得到广泛的使用）。擅长于岩石微观图像几何拓扑属性的分析,并建立多尺度孔隙模型和实施数值模拟,建立其微观结构（如孔隙度、孔尺寸、形状、连通性、孔壁粗糙度等）与宏观流体属性（如渗透率、毛细管压力、性、相对渗透率、电阻率等）间的理论或经验公式。
蒋泽云教授做学术报告
