近日，中国计算机学会（CCF）推荐的A类国际学术会议AAAI 2026论文接收结果公布。我院教师的研究论文“FCMO: A Flow-Curv Mamba Operator for Large-Scale 3D Vehicle Aerodynamics”被录用。我院为该成果的第一完成单位, 本科生谢雨晨为该论文的第一作者，计算机软件理论团队的任恒毅老师为通讯作者。

       AAAI (AAAI Conference on Artificial Intelligence)由国际先进人工智能协会主办，是人工智能领域的顶级国际学术会议之一。本届AAAI会议竞争异常激烈，共收到来自全球的23,680篇有效投稿，最终仅录用了4,167篇论文，录用率为17.6%。 

 图1. FCMO框架概览

        在现代汽车设计中，大规模三维车辆空气动力学预测仍面临严峻的计算挑战。针对传统计算流体力学方法仿真耗时过长，以及现有学习模型在密集网格处理中易陷入高计算复杂度和拓扑信息丢失等问题，作者创新性提出了一种名为FCMO的物理感知神经算子。FCMO集成了流体力学原理和选择性状态空间模型，由四个相互协同的核心组件构成。首先，FlowCurv锚点采样策略依据归一化局部曲率与迎风敏感度自适应选择关键网格节点，从而在保持物理一致性的同时减少冗余点；其次，双尺度物理感知位置编码采用特征引导的蛇形扫描机制，将三维不规则网格映射为保持因果关系的序列表示；在此基础上，模型核心—流感知Mamba处理器能够依据壁面距离及局部流动特征动态调整状态转移，实现高效的跨尺度信息交互；最后，物理约束解码器通过混合加权插值机制显式强化守恒定律的约束，确保预测结果的物理合理性。在Ahmed-Body和DrivAerNet基准上的大量实验证明，FCMO在表面压力预测、壁面剪切应力估算和阻力系数准确性方面均取得了业界顶尖的性能，同时以更少的计算量和内存使用量展现了卓越的计算效率。