作者信息：
一作：
学院：航空学院
姓名：陈龙
二作（通讯作者）：
姓名：王岩
论文简介：
通过融合多源数据训练神经网络来修正k-ω SST湍流模型，显著增强了其对复杂分离流动的预测能力。该模型在宽雷诺数范围内的验证中展现了优异的鲁棒性，并对未见过的几何外形和工况具备良好的泛化性能。
论文链接：
https://doi.org/10.1103/PhysRevFluids.10.024603
期刊名：《Physical Review Fluids》
