赛题要求将选手采用自行设计的深度神经网络替代原有ODE积分实现对化学反应源项的快速求解。比赛以航空煤油的预混传播火焰为算例进行评测。航空煤油反应机理选取41组分的HyChem机理，在二维评测算例中设置未燃混合气初温800K，初始压力1atm，当量比1.0，并采用该初始状态的平衡态进行点火。二维评测算例为若干个变湍流强度的各项均匀同性湍流火焰、随时间演化的射流火焰。赛题采用三个评比方向：模型精度、模型效率和综合能力评估，以ODE化学积分结果为基准。本团队模型在精度方面，对若干个时刻的湍流火焰速度预测平均误差小于1%，在效率方面实现了50倍以上的加速比。最终在国内众多知名高校的百余名参赛队伍中取得综合评估第二名，获得了“最佳模型精度奖”和“综合评估二等奖”的好成绩，并获得了3万元比赛奖金。本次获奖证书由DeepFlame开源平台发起人、北京大学工学院陈帜研究员颁发。
西安交大能动学院绿色氢电全国重点实验室张玮杰助理教授、王金华教授领导的燃烧数值仿真研究团队致力于燃烧动力装备工业软件和数字化研究。数值仿真是实现发动机“预测式设计”和构建发动机数字孪生体的关键技术。自主可控的数值仿真工业软件和发动机数字化平台，对于支撑发动机研发和保障工业体系安全具有重要意义。我们致力于解决发动机“心脏”燃烧室的大涡模拟LES技术，面向多时空尺度化学反应及其与湍流的强耦合作用，开发适用于工业应用和兼具效率、精度、稳定性及易用性的先进求解方法。目前主要开发火焰面模型（Flamelet）体系，以建表降维实现燃烧计算数量级式加速，建立AI赋能的复杂燃烧高保真复刻方法，并开发CPU/GPU异构并行加速模型方法。
团队近年来主持两机专项课题、国家自然科学基金联合基金重点项目、面上、青年项目等，在燃烧、能源、航空航天等国际权威期刊Combustion and Flame, Combustion Theory and Modeling, Proceedings of the Combustion Institute等期刊上发表系列研究论文，研究成果应用于两机燃烧室工业软件研发、航发新型燃烧技术研发等工程实际。
团队将继续秉持着“AI for science”的理念，结合最新的人工智能技术解决燃烧化学反应数值模拟高计算成本的难题，推动AI辅助燃烧设计进一步发展。