أجنحة في دقيقة: كيف أصبح الذكاء الاصطناعي عبقريًا في الديناميكا الهوائية ⚡ экспресс
اقتُرحت منهجية لبناء نماذج بديلة دقيقة بكفاءة للحسابات الديناميكية الهوائية في مهام تحسين الشكل. نموذج AeroTransformer المبني على بنية المُحوِّل (Transformer) يتم تدريبه مسبقًا على مجموعة SuperWing التي تحتوي قرابة 30,000 عينة من أشكال أجنحة متنوعة، ثم يُضبط بدقة على عدد قليل من العينات المستهدفة لشكل محدد. في التجارب على أجنحة عابرة للصوت، حيث تنوع الشكل حول نموذج البحث المشترك (Common Research Model)، باستخدام 450 عينة مستهدفة، يتحقق خطأ في توقع التدفق السطحي قدره 0.36%، وهو أقل بنسبة 84.2% من التدريب من الصفر. كما أُجري تحليل منهجي لتأثير الخيارات المعمارية واستراتيجيات التدريب للعمل في ظل محدودية البيانات والموارد الحاسوبية. ولأغراض إعادة الإنتاجية، نُشرت مجموعات البيانات والنماذج المدربة مسبقًا، بالإضافة إلى أداة تفاعلية للتصميم.
تعليم نموذج ديناميكي هوائي دقيق يشبه فن الطهي: أولاً يتقن الطباخ مئات الوصفات ليدرك المبادئ العامة، ثم بسهولة يصل بطبق معين إلى الكمال. ابتكر المهندسون نموذج AeroTransformer و«أطعموه» 30 ألف شكل مختلف من الأجنحة — مجرة كاملة من الأفكار الطهوية مجرة. في الحسابات، يتصرف الهواء مثل الماء في القدر ماء: ينساب بسلاسة حول الأسطح، مما يبسّط التنبؤ الحاسوبي.
بعد إعادة التدريب باستخدام 450 عينة فقط، انخفض الخطأ إلى 0.36% — أي أكثر دقة بست مرات من البدء من الصفر. يقلل هذا الأسلوب بشكل كبير من الأنتروبيا أنتروبيا (عدم اليقين) في التوقعات.
الأداة المتاحة على الإنترنت تسمح الآن بتغيير شكل الجناح في المتصفح ومشاهدة النتيجة فوراً. قام المطورون بنشر الشيفرة والبيانات للعامة — الآن أي باحث يستطيع إعادة تدريب النموذج لتطبيقات مثل العنفات أو سيارات السباق.
🎯 النموذج يعمل بالفعل على موقع WebWing: حرّك الجناح بالفأرة ولاحظ قوة الرفع في الوقت الفعلي.