![](/__local/F/53/13/D7F3F3CFB0B8B0BA6E69C220CCB_4737B8BF_51A.png)
2022年6月-2024年1月,华为技术有限公司,高级工程师A
2024年2月-至今,郑州航空工业管理学院,讲师
![](/__local/1/53/B2/041C5AAA20E7F077F4F9436E68E_E928C666_56E.png)
2011年9月-2015年6月,大连理工大学,工程力学(钱令希创新班),本科
2015年9月-2017年12月,国防科技大学,力学,硕士
2018年3月-2022年4月,慕尼黑工业大学,工学,博士
![](/__local/7/7D/19/417EE2A516E7ABB86F18D0CA329_0D67FAEB_5A0.png)
教育教学(教授课程)
空气动力学,本科课程,48课时
![](/__local/F/C8/3A/0C67F47FD1990245589DD15491F_6CF1B18C_4B9.png)
研究方向:
智能流体力学
融合先验知识深度学习方法
合作单位包括慕尼黑工业大学、国防科技大学、华为技术有限公司等,欢迎飞行器设计、力学、计算机、软件工程等相关专业考生报考。
![](/__local/F/FA/F2/DAD99175EB473459C9B742D4376_430B361B_537.png)
1. Ma, H., Liu, J., Ye, M. & Haidn, O. J. (2024). A Comprehensive Deep Learning Geometric Shape Optimization Framework with Field Prediction Surrogate and Reinforcement Learning. Physics of Fluids.
2. Ma, H., Zhang, B. T., Zhang, C., & Haidn, O. J. (2022). Physics-driven Learning of the Steady Navier-Stokes Equations using Deep Convolutional Neural Networks. Communications in Computational Physics.
3. Ma, H., Zhang, B., Zhang, C., & Haidn, O. J. (2021). Generative Adversarial Networks with Physical Evaluators for Spray Simulation of Pintle Injector. AIP Advances.
4. Ma, H., Zhang, Y. X., Haidn, O. J., Thuerey, N., & Hu, X. Y. (2020). Supervised Learning Mixing Characteristics of Film Cooling in a Rocket Combustor using Convolutional Neural Networks. Acta Astronautica.
5. Ma, H., Shen, Z. B., & Li, D. K. (2019). A Viscoelastic Constitutive Model of Composite Propellant Considering Dewetting and Strain-Rate and its Implementation. Propellants, Explosives, Pyrotechnics.
国家发明专利:
1. 含脱湿的推进剂动态热粘弹性本构模型的构建和应用方法
2. 一种基于VCFEM分析的高体积分数RVE模型生成方法
3. 一种网络指标数据超分方法
4. 一种基于先验知识的神经网络模型实时调优方法
5. 一种基于Transformer架构的装备分析和自修复技术
![](/__local/7/59/3C/9D0508A11A66A6163E204F2FBD7_14E8EA44_584.png)
国家建设高水平大学公派研究生奖学金
湖南省优秀学位论文
![](/__local/D/1A/3F/A2BCEECFBD4CACED005B4774939_E50CF6C0_4EA.png)
Aerospace Science and Technology(中科院一区,TOP)评审专家
International Journal of Heat and Mass Transfer(中科院一区,TOP)评审专家
昇思MindSpore开源社区,金牌布道师
![](/__local/6/21/73/2FF816817C318A85DF44644BDA8_2E3F2AE1_6B7.png)
研究方向为人工智能+航空宇航交叉学科,面向液体火箭发动机研制等国家重大工程需求中的卡脖子问题,主攻融合先验知识深度学习方法和智能流体仿真。发表学术论文十余篇,授权/申请国家发明专利5项,主持或参与德国科学基金会GEPRIS等纵横向课题多项。研究成果获领域内广泛认可,受邀为西北工业大学、军事科学院创研院等作多场学术报告,任AST、IJHMT等国际知名期刊审稿人。