摘要
人工智能（AI）正日益通过实现数据驱动的预测、材料发现、仿真加速和优化，深刻变革先进材料与工程系统的研发与分析。然而，快速扩展的相关文献仍分散于材料科学、热流模型、计算流体动力学（CFD）、物理信息学习、降阶建模和数字孪生等领域。本研究采用基于PRISMA的方法论，对人工智能在先进材料、热能与能源系统及空气动力学工程领域中的应用进行了系统性综述。在Scopus数据库中，对2019年至2026年发表的同行评审研究进行了系统性检索。在通过Scopus初步识别的1468条记录中，122项研究符合预定义的纳入标准并通过数据库检索途径被纳入，另有通过其他方法识别的6项研究经单独评估实质性纳入要求后被保留，最终形成128项研究的文献语料库，并进一步接受了方法学质量评估。该综述梳理了机器学习（ML）、深度学习（DL）、图神经网络（GNN）、生成式人工智能和材料信息学在材料性能预测、表征、筛选和设计中的主要应用。研究还考察了AI辅助的计算流体动力学和热流建模，包括传热与传质、湍流建模、流动预测和气动优化。分析还强调了物理信息学习、降阶与代理模型、优化算法和数字孪生在提高计算效率和支持智能工程决策方面的日益增长的作用。尽管取得了上述进展，数据可用性、泛化能力、不确定性量化、验证、计算成本、可扩展性和互操作性仍然是实际应用中面临的重要障碍。总体而言，文献表明领域正从孤立的AI预测向整合物理与数据驱动的工程框架转变，将材料开发、仿真、优化和实时系统运行有机衔接。
