ИИ рассчитал форму самолетного крыла с лучшей аэродинамикой
После обучения на относительно простых компьютерных моделях агенты искусственного интеллекта рассчитали форму самолетного крыла так, чтобы снизить трение набегающего на него воздуха на 38%. Это один из примеров применения новой ИИ-платформы для гидродинамических расчетов HydroGym, описанной в Nature.
Моделирование потоков в жидкостях и газах — задача неимоверно трудоемкая, требующая сложных симуляций, дорогостоящих экспериментов и гигантских вычислительных мощностей. Сколь и важная, ведь эти процессы описывают очень многое — от кровотока в сосудах до аэродинамики летательных аппаратов.
«Моделирование потоков обычно требует решения миллионов или даже миллиардов связанных дифференциальных уравнений. И даже с учетом закона Мура и самых быстрых вычислительных машин в мире, рассчитывать потоки с точностью, достаточной для инженерных задач мы сможем, наверное, лет через сто», — говорит инженер Стивен Брантон из Вашингтонского университета, руководивший исследованием.
Вместе с коллегами он обнаружил, что ИИ может предложить обходной путь — он способен находить способы управления потоком в сложных условиях, опираясь на относительно простые симуляции, заменяя трудоемкие вычисления этапом обучения нейросети.
Методом проб и ошибок
b) В гидродинамике HydroGym универсален: ему под силу самые разные задачи — от простых двумерных расчетов для прототипирования до крупномасштабного моделирования при высоких числах Рейнольдса с разрешением до 1,6 млрд ячеек.
HydroGym включает множество ИИ-агентов, которые могут изменять параметры обтекания виртуальных объектов — например, добавлять устройства впрыска жидкости или менять движение самого объекта — чтобы снизить сопротивление, возникающее при их движении в виртуальной среде. Сами объекты и поведение потоков можно было моделировать на современных компьютерах, при этом уровень сложности варьировался.
Задачу управления потоком агенты решали методом проб и ошибок, который называется обучением с подкреплением. Они также могли координировать свои действия для достижения наилучшего общего результата. Эксперименты показали, что агенты ИИ способны переносить знания, полученные при экспериментах с простыми, «хрестоматийными» примерами в компьютерных симуляциях, на более сложные сценарии — даже без прямого доступа к симуляции этих сложных случаев.
Например, научившись управлять турбулентным потоком в плоском канале, агенты успешно справились с расчетом обтеканием изогнутой трехмерной модели крыла самолета. В результате энергозатратное трение воздуха о верхнюю сторону крыла удалось снизить на 38%.
«ИИ не просто запоминал одну конфигурацию потока. Он улавливает нечто действительно общее в поведении жидкостей, а не подгоняется под единственный сценарий, на котором его обучали», — объясняет инженер Рикардо Винуэса из Мичиганского университета, соавтор исследования.
ИИ с впечатляющими перспективами
Возможность переноса принципов с простого случая на более сложный говорит о том, что ИИ-агентам под силу задачи большего масштаба и сложности, причем без необходимости предварительного полного компьютерного моделирования этих сценариев. В перспективе это позволит исследовать такие режимы течений, которые сегодня слишком сложны для расчета.
Авторы надеются, что HydroGym станет вычислительной платформой, которая позволит ИИ стать хорошо зарекомендовавшим себя инструментом во всех областях науки и техники, связанных с гидродинамикой. Алгоритм отлично показал себя, решив более 60 самых разных гидродинамических задач.
«Если взять, к примеру, мировой флот, то снижение сопротивления даже на один процентный пункт, вероятно, сэкономило бы миллиарды долларов на топливе и привело бы к огромному сокращению выбросов парниковых газов. Даже самые незначительные улучшения здесь дают колоссальный экономический и экологический эффект», — подытожил Брантон.
