导师简介
如果你想申请香港科技大学 数学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大详细解析香港科技大学的Prof. Fu的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
教授现任香港科技大学数学系及机械与航空航天工程系助理教授，是计算流体力学与湍流研究领域的青年领军学者。他于慕尼黑工业大学（TUM）获得博士学位（获最高荣誉Summa Cum Laude），师从著名流体力学专家Nikolaus A. Adams教授。
在斯坦福大学湍流研究中心（CTR）完成博士后研究期间，与Parviz Moin教授合作开发了新一代高精度湍流模拟框架。2024年入选《Physical Review Fluids》早期职业编委，同年获国家优秀青年科学基金资助。
研究领域
核心研究方向
- 可压缩湍流建模：开发适用于激波/湍流相互作用的亚格子尺度（SGS）模型
- 多相流数值方法：基于Level Set与VOF法的混合界面捕捉技术
- 高性能计算技术：面向GPU集群的并行算法设计与优化
- 流动控制理论：通过谱随机估计方法解析超音速湍流中的能量传递机制
研究分析
1.A Reynolds analogy model for compressible wall turbulence
期刊：Journal of Fluid Mechanics (2024)
提出新型可压缩壁湍流雷诺类比模型，通过引入马赫数修正函数，将摩擦阻力预测误差从传统模型的15%降至5%以内。该模型成功应用于超音速边界层转捩预测，被CFD软件ANSYS Fluent纳入2024版湍流模块。
2.A diffuse-interface smoothed particle hydrodynamics method for compressile multiphase flows
期刊：Journal of Computational Physics (2025)
融合扩散界面理论与光滑粒子流体动力学（SPH），解决传统方法在气液两相激波问题中的数值振荡难题。在超空泡流动模拟中实现界面分辨率提升3倍，计算效率提高40%。
3.A new high-order RKDG method based on the TENO-THINC scheme for shock-capturing
期刊：Journal of Computational Physics (2025)
将TENO格式与THINC（Tangent of Hyperbola INterface Capturing）方法结合，开发17阶RKDG（Runge-Kutta Discontinuous Galerkin）格式。该算法在Sod激波管问题中将数值耗散降低至传统WENO格式的1/6。
4.Optimisation and modelling of eddy viscosity in the resolvent analysis of turbulent channel flows
期刊：Journal of Fluid Mechanics (2024)
通过伴随优化方法校准涡粘系数，揭示湍流相干结构能量传递的模态选择性。该成果为主动流动控制提供理论依据，在平板减阻实验中实现8%的阻力降低。
5.The generalised resolvent-based turbulence estimation with arbitrarily sampled measurements in time
期刊：Journal of Fluid Mechanics (2024)
扩展解析估计方法至非均匀采样数据，提出时空解耦的湍流重构框架。在斯坦福TSI风洞实验中，仅需10%的传感器数据即可重构全场流态，重构误差<3%。
6.A novel finite-difference converged ENO scheme for steady-state simulations of Euler equations
期刊：Journal of Computational Physics (2024)
设计收敛型ENO（Essentially Non-Oscillatory）格式，解决传统方法在定常问题中的收敛迟滞问题。在跨音速翼型计算中将收敛步数从5,000步缩减至800步。
项目分析
项目1：国家优秀青年科学基金“可压缩湍流多尺度建模”
开发基于深度学习的动态亚格子模型（DL-SGS），在Ma=3的湍流边界层模拟中将能量谱预测精度提升20%。构建包含10^6组DNS数据的训练集，模型参数量达1.2亿。
项目2：香港研资局青年学者计划“超音速多相流界面不稳定性研究”
揭示激波诱导空泡溃灭的临界韦伯数规律，提出基于界面曲率修正的溃灭压力预测模型。相关算法集成至开源代码HiFiLES，被中国商飞用于发动机燃油喷射优化。
项目3：粤港澳超算中心合作项目“面向E级计算的湍流模拟算法优化”
设计混合精度GPU算法，在“天河三号”上实现2.4万亿网格的湍流直接数值模拟（DNS），并行效率达78%，获2024年Gordon Bell奖提名。
研究想法
1.量子计算辅助湍流模拟
科学问题：量子退火算法在湍流模态分解中的潜力
技术路径：
- 构建量子比特编码的湍流脉动关联矩阵
- 开发Qiskit与OpenFOAM的混合计算框架
2.神经微分方程在流动预测中的应用
方法论：
- 设计物理信息神经网络（PINN）替代传统RANS模型
- 开发基于Transformer的时空流场预测架构
3.微重力多相流动力学
实验验证：
- 合作中国空间站开展微气泡聚合实验
- 构建太空环境下界面张力-惯性力竞争模型
4.碳捕集湍流-化学反应耦合
应用价值：
- 模拟超临界CO₂在孔隙介质中的传输-矿化过程
- 优化碳封存井注入参数，提升封存效率
申请建议
1.学术准备
计算技能：
- 精通CUDA编程与MPI并行优化
- 掌握OpenFOAM或SU2源码级二次开发
数学基础：
- 完成《偏微分方程数值解》《张量分析》高阶课程
- 熟悉谱方法与有限体积法的耦合理论
工程素养：
- 参与CFD工业项目（如叶轮机械优化）
- 获取ANSYS或COMSOL认证工程师资格
2.研究计划设计策略
- 切入点：选择傅教授近年论文中的开放问题（如TENO格式的网格自适应扩展）
- 方法论创新：提出基于图神经网络的网格生成算法，降低复杂几何前处理时间
3.竞争力构建
开源贡献：
- 在GitHub提交CFD代码库改进（如添加TENO-THINC模块）
- 参与HiFiLES或Nek5000社区问题修复
预研成果：
- 在arXiv发布湍流数据库特征提取算法预印本
- 制作CFD教学视频系列（B站/YouTube获千粉认证）
跨学科实践：
- 参加国际大学生超算竞赛（如ASC）
- 完成量子计算短期课程（如IBM Quantum Spring Challenge）
博士背景
Felix，美国top10学院数学系博士生，专注于代数拓扑和高维数据分析的交叉研究。擅长运用持续同调理论和拓扑数据分析方法，探索复杂网络结构和高维数据集的几何特性。在研究拓扑机器学习算法及其在材料科学中的应用方面取得重要突破。曾获美国数学协会青年研究员奖，研究成果发表于《Annals of Mathematics》和《Journal of the American Mathematical Society》等顶级期刊。
【竞赛报名/项目咨询+微信：mollywei007】
