Sztuczna inteligencja projektuje podwodne statki inspirując się naturą

Projektowanie podwodnych pojazdów od dawna ograniczało się do sprawdzonych, ale często mało innowacyjnych kształtów, takich jak tuby czy torpedy. Mimo że skuteczne w zakresie hydrodynamiki, ich różnorodność blednie w porównaniu z ewolucyjną doskonałością zwierząt morskich.

AI w służbie hydrodynamiki

Naukowcy z Laboratorium Informatyki i Sztucznej Inteligencji MIT (CSAIL) oraz Uniwersytetu Wisconsin-Madison przedstawili innowacyjne podejście. Wykorzystali mechanizmy sztucznej inteligencji do generowania nowych, wysoce efektywnych kształtów pojazdów podwodnych, czerpiąc inspirację z natury. Ich badania, opublikowane na serwerze preprintów arXiv, bazują na złożonym procesie, gdzie uczenie maszynowe w połączeniu z symulacjami fizycznymi pozwala na iteracyjne udoskonalanie trójwymiarowych projektów pod kątem ich właściwości hydrodynamicznych.

Metoda ta skraca czas i zasoby potrzebne na tradycyjne testowanie prototypów, które zazwyczaj wiąże się z kosztownymi próbami w świecie rzeczywistym. Dzięki wykorzystaniu druku 3D, powstałe projekty mogą być realizowane z minimalnym zużyciem materiałów, co dodatkowo obniża koszty produkcji.

Inspiracja podwodnym światem

Peter Yichen Chen, postdoktorant MIT i współprowadzący projekt, podkreśla, że możliwości generowania nowych kształtów przez ich system AI są praktycznie nieograniczone. Proces, który nazwał „półautomatycznym”, umożliwia testowanie niestandardowych rozwiązań, które byłyby niezwykle trudne, a wręcz niemożliwe, do zaprojektowania przez ludzi w rozsądnym czasie.

W ramach projektu sztuczna inteligencja analizuje dane dotyczące ponad dwudziestu konwencjonalnych kształtów wykorzystywanych w pojazdach podwodnych, takich jak okręty podwodne, oraz form występujących w naturze, np. rekiny czy płaszczki. Następnie, te trójwymiarowe modele są umieszczane w specjalnych „klatkach deformacyjnych”, gdzie algorytm modyfikuje punkty artykulacji, tworząc nowe, zoptymalizowane pod kątem hydrodynamiki kształty.

Tajemnica współczynnika siły nośnej do oporu

Kluczowym elementem optymalizacji jest zastosowanie sieci neuronowej, która przewiduje efektywność danego kształtu pojazdu przy różnych „kątach natarcia” – czyli kątach, pod jakimi obiekt przemieszcza się przez wodę. Celem jest osiągnięcie jak najlepszego stosunku siły nośnej do oporu (lift-to-drag ratio). Im wyższy ten współczynnik, tym efektywniej pojazd się porusza, zużywając mniej energii, co jest analogiczne do poruszania się zwierząt morskich.

Niklas Hagemann, student MIT i współautor pracy, tłumaczy, że ten sam współczynnik, kluczowy w lotnictwie, ma równie fundamentalne znaczenie w projektowaniu podwodnych pojazdów. To właśnie optymalizacja tego parametru pozwoliła na stworzenie dwóch prototypów – jednego przypominającego samolot z dwoma skrzydłami i drugiego, czteroskrzydłowego, przypominającego płastugę.

Testy i przyszłe perspektywy

W celu weryfikacji dokładności prognoz AI, naukowcy przeprowadzili testy w tunelu aerodynamicznym MIT. Wykazano, że różnica między przewidywanym a rzeczywistym współczynnikiem siły nośnej do oporu wynosiła zaledwie około 5 procent. Kolejno, cyfrowe symulacje potwierdziły wysoką precyzję modelu.

Prawdziwy test odbył się jednak pod wodą. Wydrukowane w 3D prototypy, zaprojektowane jako lekkie, wydrążone konstrukcje, wyposażono w systemy kontroli pływalności i kąta natarcia. Oba projekty znacząco przewyższały efektywnością standardowy, testowany w basenie, pojazd o kształcie torpedy, zużywając mniej energii podczas ruchu.

Mimo tych sukcesów, naukowcy dostrzegają potrzebę dalszych badań w celu zredukowania różnic między symulacjami a rzeczywistością, a także rozwoju pojazdów adaptujących się do zmiennych prądów oceanicznych. Peter Yichen Chen podkreśla również plany eksploracji jeszcze bardziej zróżnicowanych, w tym cieńszych kształtów, oraz zwiększenia szybkości działania ich ramy projektowej. Celem jest nie tylko optymalizacja hydrodynamiki, ale także zwiększenie możliwości manewrowania, a nawet stworzenie miniaturowych pojazdów podwodnych.