NASA和Argonne使用深度神经网络增强高超声速飞行的CFD代码

为了使高超音速飞行比火箭发射更普遍且成本更低，工程师和科学家正在研究先进的喷气发动机设计。这些新概念代表了商业飞行、太空探索和国防的巨大机遇：例如，高超音速飞机可以用作航天器的可重复使用运载火箭。

在制造和测试任何飞机之前，计算机模拟是必要的。长期以来，研究人员一直使用计算流体动力学 (CFD) 来预测飞行中的飞机将如何与其周围的力相互作用。CFD 是一个致力于以数值方式表达空气和水等流体行为的科学领域。

美国能源部 (DOE) 阿贡国家实验室和美国国家航空航天局 (NASA) 的研究人员正在率先使用人工智能来简化 CFD模拟并加速突破性飞机的开发。

超音速飞机会产生一个冲击波，其中包含的空气比周围的空气更热、更密集、压力更高。在高超音速下，产生的空气摩擦力如此之大，以至于它可以融化传统商用飞机的部件。

CFD模拟必须考虑空气的主要变化，不仅是在飞机周围，而且在它穿过发动机并与燃料相互作用时。所谓的吸气式喷气发动机在飞行时吸入氧气来燃烧燃料。在传统飞机中，风扇叶片推动空气前进。但是在3马赫及以上时，喷气机本身的运动会压缩空气。这些被称为超燃冲压发动机的飞机设计是实现火箭推进无法达到的燃油效率水平的关键。

为了模拟燃烧在这种挥发性环境中的行为，NASA 有一个名为VULCAN-CFD的高超音速CFD代码。该代码处理多维小火焰表，其中每个小火焰代表火焰的一维版本。数据表将这些燃烧燃料的不同快照保存在一个庞大的集合中，这需要大量的计算机内存来处理。在一项新发表的研究中，阿贡的科学家们使用机器学习技术来减少与模拟超音速燃料燃烧相关的密集内存需求和计算成本。

由 Argonne 开发的软件生成的小火焰表用于训练人工神经网络。在作为机器学习子集的人工神经网络中，计算机以人脑的方式从数据中获取见解。在这里，网络使用小火焰表中的值来学习“关于燃烧在超音速发动机环境中如何表现的“答案”的捷径。获 取 更多前沿科技 研究 进展访问：https://byteclicks.com

该方法已在先前的亚音速应用研究中得到验证。这项新研究利用阿贡实验室计算资源中心的高性能计算资源，将其应用于超音速和高超音速问题。美国能源部科学办公室和美国宇航局兰利研究中心提供了资金。

论文详细介绍了新的神经网络框架，题为 “Deep neural network based unsteady flamelet progress variable approach in a supersonic combustor”，于 1 月初在美国航空航天学会科技论坛上发表。