……

在刚才玛丽安·米尔扎哈尼发来的邮件中，提到了“反向利用人类证明庞加莱猜想的思路”。

但实际上，如果非要说的话，水平集方法更贴近于反向的流形学习算法。

当然，实际上并非如此，只是思路上可以这么概括罢了。

流形学习算法是把高维数据处理到低维，使人类能够更容易理解。

而水平集方法则是把低维数据投射到高维，以便于计算机进行运算。

在数值计算领域，这算是一类在80年代末才被提出来的“新”算法，但因为应用范围包括但不限于液体雾化、蒸发、燃烧、表面材料计算、图像识别……总之跟流形学习一样几乎包罗万象，所以很快被推广到了各个领域。

包括TORCHMultiphysics，也在正式版当中引入了几种典型的水平集方法。

但问题在于，目前的水平集方法，即便经过改进，也只能做到在特定区间内“接近”守恒。

这是个很麻烦的问题。

尤其是在它最主要的应用领域——两相流计算当中更是如此。

因为在大多数情况下，两相流问题中涉及到的两种流体都可以视为互不相溶的，这就意味着所采用的方法必须有效保持各相的质量分别守恒。

所以，目前的水平集算法在长轴距时间计算中，很容易出现剧烈震荡乃至于发散——

而这本来应该是水平集算法最擅长的部分。

比如，在之前在设计涡扇10发动机燃烧室的过程中，常浩南曾将流体体积方法和水平集方法结合，对航空燃油离开雾化喷嘴之后的弥散行为进行了计算。

结果么……

有用，但不多。

相比于压气机和涡轮部分相对“简单”的单相流体计算，项目团队在燃烧室的设计过程中获得的指导最少，被迫采用了大量经验结合中试的老办法。

这也导致部件级测试中超过60%的时间和经费都耗费在了这上面。

好在，得益于小涵道比航发燃烧室本身的体积有限，扩散过程的持续时间并不算特别长，所以计算结果还不至于震荡得太离谱，而且涡扇10所追求的性能指标相对于其优越的总体设计而言实在是比较低，所以最后并没有影响到什么。

但如果未来追求尺寸更大、数据更先进的型号，比如GE9X那样的庞然大物。

或者是另外一种应用场景，火箭发动机——

无论液体燃料还是固体燃料，由于火箭发动机要自带全部推进剂，因此对燃烧-喷射过程的依赖程度远超航空发动机。

那么这个守恒问题还是需要解决的。

当然，既然这篇论文的标题叫做“一种……的方法”，那就说明肯定不是从理论上标本兼治。

只是在某种特定应用场景下适用。

不过，即便如此，对于目前的水平集方法来说也是一个巨大的进步了。

【……本文将提出一类处理带发散自由速度场的二相流问题的守恒性水平集方法，并在这一过程中开发了不规则界面上Robin边界条件的高效处理方法，结合界面解析的相变求解方法来考虑液体形状及内部环流等对传热传质的影响……】