Искусственный интеллект дорисовывает то, что не видит аэродинамическая труба
Представьте, что черно-белый эскиз-за секунды превращается в фотографию — именно так работает новый алгоритм для аэродинамики.
Высокодетализированные данные о потоке воздуха критически важны для точной оценки аэродинамики самолетов. Но получать их через масштабные расчеты или аэродинамические трубы — дорого и долго. Методы супер-разрешения позволяют восстанавливать детализацию из «размытых» данных, ускоряя процесс. С развитием нейросетей такие методы стали популярны, но у них есть слабое место: они хорошо схватывают общую картину, а вот тонкие детали — например, ударные волны — часто пропускают.
Недавно команда профессора Жунцянь Чэня из Университета Сямыня предложила новый подход — FlowViT-Diff. Он сочетает два инструмента:
- Vision Transformer (ViT) — быстро предсказывает общую структуру потока по форме крыла и условиям обтекания.
- Улучшенную диффузионную модель — дорабатывает предсказание, добавляя недостающие детали, словно художник, прорисовывающий эскиз.
Диффузионная модель — это нейросеть, которая учится восстанавливать данные (например, изображения) через процесс, похожий на шумоподавление: она постепенно «очищает» зашумленную версию, пока не получится четкий результат. В этом исследовании она дорабатывает предсказания ViT, добавляя недостающие физические детали.
Эксперименты показали, что метод точнее аналогов, особенно в сложных зонах. При этом обученная модель с дообучением справляется даже с очень «размытыми» данными, достигая точности 99.7%.
Результаты опубликованы в издании Chinese Journal of Aeronautics.
ViT дает быстрый, но грубый набросок, а диффузионная модель исправляет ошибки, как опытный редактор, — поясняет Цзиньхуа Лоу.
Пока метод тестировали только на стабильных потоках. Следующий шаг — адаптация для турбулентности и 3D-моделей всего самолета.
Исследование решает две практические проблемы:
- Скорость. Авиаконструкторы смогут получать детальные данные за часы вместо недель, ускоряя разработку.
- Точность. Локальные эффекты вроде скачков уплотнения влияют на прочность крыла — их корректное моделирование снизит риск аварий.
Особенно ценно, что метод можно дообучить под новые условия, экономя ресурсы.
Метод требует значительных вычислительных мощностей для обучения диффузионной модели. Для небольших конструкторских бюро это может стать барьером. Кроме того, валидация пока проведена только на упрощенных 2D-моделях — реальные 3D-потоки сложнее и могут выявить скрытые недостатки.
Ранее ученые предложили новый способ борьбы с динамическим срывом потока.
