GE集成人工智能AI以实现规定性能燃气轮机逆向设计
为了让新的性能指标设计成为更清洁、更高效的空气动力系统的主要驱动力，通用电气公司的技术开发部门通用电气研究部已获得两年、210万美元项目第一阶段，ARPA-E’s DIFFERENTIATE（设计智能促进了巨大的节能并实现了全新的、具有影响力的先进技术增强），构建一个AI驱动的可逆神经网络，该网络可以将这些指标直接转换为优化的设计。GE集成人工智能AI以实现规定性能燃气轮机逆向设计。
如今，复杂的空气动力学能量组件（例如燃气涡轮叶片）的设计周期非常长，超过一年，需要在成本、性能和可靠性之间做出折衷。GE研究人员与GE天然气发电业务以及圣母大学一起，旨在开发和演示新的支持AI和ML的设计框架，该框架将花费一半的时间，并且几乎完全取决于所需的性能指标来进行设计空气动力学能量成分达到了一个全新的水平。
概率设计首席工程师兼项目负责人Sayan Ghosh解释说，团队正在建立一个概率逆设计机器学习框架Pro-ML IDeAS，该框架使用AI驱动的可逆神经网络来克服通常需要进行的多次设计迭代和挑战跨越许多复杂功能空间的工程专业知识来解决。Ghosh说： “这将使我们能够探索和发现以前不可能的新学习曲线，从而从根本上改变燃气轮机的设计范式。由AI和ML推动的Pro-ML IDeAS将使我们摆脱传统的设计约束，并与目前的最新技术相比，可以在更短的时间内实现更多的最佳设计。GE燃气动力公司在联合循环燃气轮机（CCGT）效率方面创造世界纪录的主要原因之一是设计了更高效的空气动力学零部件。通过ARPA-E的DIFFERENTIATE程序支持可支持AI的新数字解决方案（如我们的可逆神经网络）的集成，我们将朝着实现65％或更高效率的方向迈进。”
GE的HA燃气轮机技术（包括一些最先进的零件和组件）已帮助创造了两项世界纪录-一项基于为中部电气西总公司实现63.08％的总效率而为世界上最高效的联合循环发电厂提供动力的记录，日本名古屋发电厂的第1座，另一个是帮助法国电力公司的Bouchain发电厂在法国实现了62.22％的净联合循环效率。
由Nicholas Zabaras教授领导的圣母大学（University of Notre Dame）团队与GE研究和天然气发电团队一起，将带来30多年解决棘手的逆/设计问题的经验。Zabaras教授在正则化技术、高维贝叶斯逆方法、高斯反演过程模型以及最近的深度学习和反演任务集成等领域的开拓性工作将进一步加速该项目的学习。
两年项目的最终目标是创建一个逆向设计过程，以优化燃气轮机叶片部件的设计并缩短设计周期。将来，该框架还将扩展到其他应用程序，例如航空涡轮发动机、航改发动机、风力涡轮机和水力涡轮机。
