Sztuczna inteligencja pomaga udoskonalać silniki lotnicze. Eksperci pokazali, jakie zmiany nas czekają

Lotnictwo cały czas zmaga się z rosnącą presją środowiskową, a perspektywy na najbliższe lata nie napawają optymizmem. Choć branża odpowiada obecnie za około 2,5% globalnych emisji dwutlenku węgla związanych z energią, prognozy wskazują na dalszy wzrost tego wskaźnika. W obliczu takiego wyzwania poszukiwanie efektywnych rozwiązań technologicznych staje się priorytetem. Unijna strategia Flightpath 2050 wyznacza ambitne cele redukcyjne, których realizacja wymagać będzie prawdziwej transformacji w projektowaniu napędów lotniczych. Na tym tle szczególnie interesująco prezentują się prace prowadzone przez austriackich naukowców, którzy postanowili wykorzystać potencjał sztucznej inteligencji do przyspieszenia tego procesu.
jetlag po długim locie nie jest obowiązkowy
...

Pośrednie kanały turbin w centrum uwagi

Zespół badawczy z Politechniki w Grazie skupił się na optymalizacji pośrednich kanałów turbin, czyli elementów łączących turbiny wysokiego i niskiego ciśnienia. Te kluczowe komponenty pracują w niezwykle wymagających warunkach, musząc sprostać różnym prędkościom obrotowym przy zachowaniu minimalnej masy.

Pośrednie kanały turbin są dość ciężkie, dlatego muszą być jak najkrótsze, najmniejsze i najlżejsze, jednocześnie osiągając wysoki poziom wydajności. Wciąż jest tu duży potencjał do optymalizacji – tłumaczy Wolfgang Sanz

Czytaj też: Przełomowe odkrycie w badaniu materiałów ziarnistych. Piasek zachowuje się inaczej niż sądziliśmy przez dekady

Każdy zaoszczędzony gram przekłada się na wymierne korzyści ekonomiczne i ekologiczne, biorąc pod uwagę tysiące godzin eksploatacji silników. Dotychczasowe metody projektowania wymagały jednak tygodni obliczeń dla pojedynczej konfiguracji, co znacząco ograniczało tempo wprowadzania ulepszeń. Podczas projektu ARIADNE naukowcy mieli dostęp do rozległej bazy danych zgromadzonej dzięki współpracy z czołowymi producentami silników. Przetestowali trzy różne metody wykorzystujące uczenie maszynowe, poszukując najbardziej efektywnego rozwiązania. Najlepsze rezultaty osiągnięto dzięki zastosowaniu modeli o zredukowanym rzędzie, które analizują wyłącznie najistotniejsze cechy danych. Choć podejście to wiąże się z minimalną utratą precyzji, korzyści w postaci drastycznego skrócenia czasu obliczeń są nie do przecenienia. Pozostałe testowane metody – modele zastępcze i sieci neuronowe uwzględniające prawa fizyki – okazały się mniej praktyczne w obecnym stadium rozwoju.

Dzięki wynikom podejść uczenia maszynowego byliśmy w stanie rozpoznać zależności i trendy, o których inaczej nigdy byśmy nie pomyśleli – dodaje Sanz

Otwarta współpraca na rzecz postępu

Austriaccy badacze zamierzają udostępnić swoją bazę danych oraz opracowane modele innym ośrodkom naukowym. Obecna wersja narzędzia działa w dwóch wymiarach, ale publikacja zasobów ma umożliwić stworzenie pełnej, trójwymiarowej symulacji. Takie otwarte podejście może przyspieszyć prace nad udoskonaleniem silników w całej branży. Zamiast rywalizacji pomiędzy producentami, wspólne wykorzystanie danych pozwoli na skoncentrowanie wysiłków na najważniejszych wyzwaniach. W kontekście zbliżających się terminów wyznaczonych przez unijną strategię, każda inicjatywa wspierająca redukcję emisji zasługuje na uwagę.

Czytaj też: Siedem nowych materiałów ceramicznych. Wystarczy ograniczyć dostęp tlenu

Co wiemy na obecną chwilę? Że kierunek obrany przez naukowców z Grazu wydaje się słuszny. W obliczu narastających problemów środowiskowych, połączenie tradycyjnej inżynierii z nowoczesnymi metodami obliczeniowymi może przynieść konkretne korzyści. Sukces będzie jednak zależał od tego, czy uda się przełożyć akademickie osiągnięcia na praktyczne rozwiązania wdrożone przez producentów silników.