Крылья за минуту: как ИИ стал аэродинамическим гением ✎ экспресс

Оригинал: "Towards a Foundation-Model Paradigm for Aerodynamic Prediction in Three-dimensional Design"
arXiv:2604.18062 · 2026-04-20 · arXiv non-exclusive · собственный разбор · 1 мин
После изучения тысяч форм крыльев ИИ предсказывает их поведение в полёте почти без ошибок — даже на скудных данных.

Обучение точной аэродинамической модели сродни кулинарному искусству: сначала повар осваивает сотни рецептов, чтобы уловить общие принципы, а затем легко доводит до совершенства конкретное блюдо. Инженеры создали AeroTransformer и «скормили» ему 30 тысяч разных форм крыльев — целую галактику кулинарных идей галактику. В расчётах воздух ведёт себя как вода в кастрюле вода: плавно обтекает поверхности, упрощая компьютерное предсказание.

После дообучения всего на 450 образцах ошибка упала до 0,36% — в шесть раз точнее, чем при старте с нуля. Подход резко снижает энтропию энтропию (неопределённость) в прогнозах.

Модель размером с музыкальный трек заменяет часы вычислений на суперкомпьютере.

Онлайн-инструмент уже позволяет в браузере менять форму крыла и сразу видеть результат. Разработчики выложили код и данные в открытый доступ — теперь любой исследователь дообучит модель для турбин или гоночных автомобилей.

Модель уже работает на сайте WebWing: двигайте крыло мышкой и наблюдайте за подъёмной силой в реальном времени.

Учёные
Niels BohrPascual JordanWerner HeisenbergFritz ZwickySubrahmanyan ChandrasekharAdam Riess
Понятия
перенос обучения обучение обучающие данные трёхмерная модель прогностическая модель трёхмерная реконструкция скорость обучения переобучение большие языковые модели трансформеры точность предсказаний ошибка предсказания прозрачность 3d-печать диффузионные модели параметр распознавание образов xgboost методы регуляризации моделирование физики с помощью нейронных сетей