本文介绍了一种新型机器学习方法，旨在改进流体动力学中的通量限制器和数值离散化。通过高分辨率数据训练，该模型能够更准确地捕捉激波轮廓，提高预测系统未来状态的准确性和训练效率。此外，深度学习方法显著提升了二维湍流流动的计算精度和速度，展示了其在流体力学中的应用潜力。