Специалисты Южно-Уральского государственного университета (ЮУрГУ) создают программный комплекс, который упростит процесс инженерного проектирования. В классической вычислительной гидрогазодинамике (CFD) решение находят итерационно, с построением расчетной сетки — при сложных задачах это занимает часы или даже сутки. Ученые используют нейросеть, которая ускорит расчеты.
Руководит проектом декан аэрокосмического факультета ЮУрГУ, заведующий кафедрой «Двигатели летательных аппаратов», кандидат технических наук, доцент Руслан Пешков. По его словам, разрабатываемый решатель использует в ядре нейронную сеть, обученную законам сохранения массы, импульса и энергии.
В процессе обучения задействуются механизмы классического CFD. Но после сеть становится функцией координат и параметров задачи. Она выдает значения скорости, давления и температуры без множества итераций (без многократных пересчетов). Это ускоряет расчеты на ранних этапах многовариантного проектирования, что особенно важно для аэрокосмической отрасли.
Сейчас проект находится на этапе создания среды для обучения нейросетей. Ученые исследуют разные архитектуры для задач внешнего обтекания, внутренних течений и теплообмена.
Коллектив подготовил несколько публикаций. Среди них — доклады на VIII международной научно-практической конференции «Гражданская авиация: история и современность», XVIII Международной молодежной научно-технической конференции «Молодежь. Техника. Космос». Также отправлена статья в журнал ВАК, формируется заявка на регистрацию результата интеллектуальной деятельности (РИД) по итогам разработки программного кода среды обучения.
При этом разработка ориентирована на инженеров-расчетчиков, а не на программистов: графический интерфейс будет аналогичен стандартным CFD-пакетам, а для выполнения расчета не понадобятся знания по программированию нейросетей. Но дообучение модели под конкретную задачу потребует соответствующих компетенций. Для обучения сети нужны мощные рабочие станции, хотя в дальнейшем для расчетов будет достаточно обычного персонального компьютера.
В перспективе разработчики планируют двигаться в сторону отрывных, многофазных течений, течений с ударными волнами и аэроакустики. Также в планах тандем двух нейросетей: PINN (обученные с учетом законов физики) и GAN (генеративно-состязательные сети). Одна нейросеть будет генерировать новые геометрические формы, например профили крыльев. Вторая — мгновенно оценивать характеристики, например аэродинамические. Это открывает возможности для автоматизированного поиска оптимальных решений.
«Будущее — за гибридным сосуществованием, — отмечает Руслан Пешков. — Нейросетевые алгоритмы обеспечат многовариантный анализ, численные методы — финальные расчеты с гарантированной точностью, а также решение уникальных задач, связанных с исследованием новых физических эффектов».
По словам ученых, нейросетевой решатель на основе PINN — это дополнение к классическим CFD-методам, но не их замена — по крайней мере в ближайшее время.
Работа ведется при поддержке Грантовой программы В. Б. Христенко «Шаг в будущее». Гранты предоставляются на перспективные исследования, формирование кадрового резерва и реализацию уникальных образовательных программ, которые определяют вектор развития ЮУрГУ и Челябинской области.
Проект реализуется в рамках программы Минобрнауки России «Приоритет-2030» (нацпроект «Молодежь и дети»).
