Avrupa Komisyonu’nun “Flightpath 2050” stratejisi, önümüzdeki yıllarda havacılık emisyonlarını önemli ölçüde azaltmayı hedefliyor. Bunu mümkün kılmak için gereken teknolojilerden biri daha verimli motorlar. Avusturya’daki Graz Teknoloji Üniversitesi’nden (TU Graz) bir ekip, ARIADNE projesiyle AB’nin bu hedefe çok daha hızlı ulaşmasına yardımcı olabilecek bir model oluşturdu.
Bilim insanları, araştırmaları için ara türbin kanallarına ait yıllardır toplanan akış verilerini yapay zeka ve makine öğrenimiyle birleştirdi. Bu, verimlilik açısından çok çeşitli geometri parametrelerinin simülasyonunu büyük ölçüde hızlandıran bir modelle sonuçlandı.
Flightpath 2050 emisyonları azaltmak için yeterli olacak mı?
Ekip, optimizasyon potansiyelleri nedeniyle ara türbin kanallarına odaklandı. Proje yöneticisi Wolfgang Sanz’ın basın açıklamasında belirttiği gibi, “Ara türbin kanalları, uçak motorlarının temel bir bileşenidir. Farklı hızlarda çalışan yüksek basınçlı ve düşük basınçlı türbinler arasındaki akışı yönlendirirler. Ancak, bu ara kanallar oldukça ağırdır, bu nedenle yüksek verimlilik seviyelerine ulaşırken mümkün olduğunca kısa, küçük ve hafif olmaları gerekir,” diye devam etti Sanz: “Burada hala büyük bir optimizasyon potansiyeli var” dedi.
[bkz url= https://www.techinside.com/abd-patent-ofisi-yapay-zeka-buluslari-icin-yonergeler-yayinladi/]
TU Graz, yıllar içinde tanınmış uçak motoru üreticileriyle iş birliği yaptı. Bu süreçte, havacılık endüstrisiyle ilgili ölçüm verileri ve akış simülasyonlarından oluşan geniş bir veri tabanı oluşturdu. Yeni modelin arkasındaki ekip, bu zengin bilgiyi motor tasarımını optimize etmek için kullanmayı amaçladı. Bunu yapmak için, TU Graz’daki disiplinlerarası bir ekip üç farklı yapay zekâ yaklaşımını test etti.
Sonuç olarak, bu yaklaşımların en başarılısının indirgenmiş mertebeli modeller olduğu ortaya çıktı. Bu modeller, verilerdeki benzerlikleri arar ve simülasyon için yalnızca en yaygın özellikleri kullanır. TU Graz ekibine göre, bu, gerekli hesaplamalarda önemli bir hızlanma sağlıyor. Bu modeller doğruluğu biraz düşürebilse de, eksiksiz bir akış simülasyonundan kat kat daha hızlıdırlar.
Bilim insanları bir basın açıklamasında, modelin ayrıca “geçiş kanalının uzunluğu gibi bir parametre değiştiğinde verimlilikteki değişiklikleri hızla tespit etme” yeteneğine sahip olduğunu açıkladı.
