机器学习在流体动力学中的应用越来越普遍，解决偏微分方程的正反问题。引入扩散模型提高性能和可泛化性。物理启发的残差扩散模型能提升数据质量，重建二维湍流的高质量结果。

机器学习在流体动力学中的应用越来越普遍，特别是在解决偏微分方程的正反问题方面。研究人员提出了一种物理启发的残差扩散模型，能够提高数据质量和准确性。实验结果表明，该模型能够有效地重建二维湍流的高质量结果。