本文介绍了多种基于深度学习的CFD模型，如DeepCFD、CFDNet和INFINITY，旨在加速流场预测和优化气动设计。这些模型利用卷积神经网络和图神经网络等技术，提高了计算效率和准确性，适用于复杂几何形状和高雷诺数条件下的流体模拟。

本文综述生成对抗网络在三维形状优化中的应用，涵盖FFD-GAN、Bezier-GAN等模型，用于机翼、涡轮叶片等气动设计。研究还探讨GAN潜在空间几何、物理感知变分自编码器及自动编码器结合GAN预测计算流体力学结果，旨在加速优化收敛、提升物理有效性并降低预测成本。