Современная нейросетевая система овладела методом управления турбулентным воздушным потоком над поверхностью крыла, что позволило существенно снизить сопротивление воздуха. По результатам компьютерного моделирования удалось достичь уменьшения локального фрикционного сопротивления на 38%, а общее аэродинамическое сопротивление трёхмерного крыла профиля NACA0012 сократилось на 11%. Следует отметить, что данные результаты получены пока исключительно в цифровой среде и требуют проверки на реальных летательных аппаратах.

Учёные решали сложную задачу аэродинамики: каким образом осуществлять активный контроль турбулентности на поверхности без перебора множества вариантов на сложной трёхмерной конструкции крыла. Турбулентный пограничный слой генерирует касательные напряжения на поверхности и повышает фрикционное сопротивление, поэтому даже небольшие трансформации в структуре потока могут привести к заметным аэродинамическим потерям.

Вместо прямого обучения на крыле исследователи применили двухэтапный подход: сначала алгоритм тренировался в упрощённой виртуальной среде с турбулентным потоком в канале. Многоагентная система использовала метод обучения с подкреплением: управляющие агенты анализировали колебания скорости воздушного потока около поверхности, испытывали различные воздействия и получали положительный результат при уменьшении касательного напряжения.

Управление осуществлялось путём локального нагнетания и извлечения воздуха в перпендикулярном к поверхности направлении. Алгоритм независимо определял интенсивность воздействия для различных участков, сохраняя при этом баланс между объёмом нагнетаемого и извлекаемого воздуха. Данная методика позволяла воздействовать непосредственно на турбулентные структуры, ответственные за передачу импульса к поверхности и увеличение фрикционного сопротивления.

В процессе обучения система научилась подавлять быстрые продольные линии потока вблизи границы и связанные с ними вихревые элементы. Выработанную стратегию затем без дополнительного обучения применили к трёхмерной модели крыла профиля NACA0012 при числе Рейнольдса 200 000 и нулевом угле атаки.

Экспериментальные условия существенно отличались от обучающей среды. Крыло имеет криволинейную поверхность и переменное давление вдоль профиля, которые отсутствуют в простом канале. Несмотря на эти различия, система сохранила возможность выявлять характерные турбулентные структуры вблизи поверхности и адекватно реагировать на них.

В контролируемой зоне локальное фрикционное сопротивление уменьшилось примерно на 38%. Полное аэродинамическое сопротивление конструкции снизилось на 11%. Авторы интерпретируют результат как доказательство переносимости найденной методики, но не как гарантию аналогичного эффекта на настоящих самолётах.

Существенным преимуществом явилась оптимизация вычислительных затрат. Модель канала требовала примерно в сто раз меньше расчётных узлов, чем модель крыла. С учётом возможности рационально распределять вычислительные ресурсы разработка управляющей стратегии потребовала более чем в 10 000 раз меньше вычислительного времени. Даже с периодической валидацией на полной модели крыла совокупное время расчётов сократилось примерно в 60 раз по сравнению с прямым обучением на крыле.

Для проведения подобных исследований специалисты создали открытую платформу HydroGym. Платформа содержит более 60 виртуальных сценариев для моделирования и контроля потоков, от относительно простых ламинарных течений до трёхмерной турбулентности. Инструмент позволяет проводить сравнение различных алгоритмов в идентичных условиях и проверять, способны ли выработанные тактики функционировать вне среды обучения.

На текущий момент исследователи не определили границы применимости такого переноса. Проверенный метод основан на схожести физических явлений, протекающих в турбулентном потоке непосредственно у границы. При наличии сильных перепадов давления, разделения потока, значительной сжимаемости воздуха или других режимов функционирования поведение алгоритма может претерпеть изменения.

Основное значение работы заключается не только в снижении сопротивления. Исследование демонстрирует, что систему контроля потока возможно натренировать на относительно экономичной упрощённой модели, а затем адаптировать готовую тактику к значительно более сложной геометрии без необходимости переобучения. При подтверждении подхода в других режимах и реальных испытаниях подобные решения смогут находить применение при конструировании крыльев, турбин и прочих элементов, где сопротивление и турбулентность непосредственно определяют функциональность.