Localized Generative Design of Ship Hulls with Diffusion Models and High-Fidelity Assessment

Concevoir un navire est une danse lente et méticuleuse de compromis. Les ingénieurs doivent façonner une coque capable de transporter une charge lourde, de rester stable en mer agitée et de fendre l'eau avec le moins d'effort possible. L'objectif est de réduire la traînée, ou la résistance, qui ralentit le vaisseau, car moins de traînée signifie moins de carburant et des coûts inférieurs. Pendant des décennies, cela a été le travail d'experts humains qui ajustent les formes à la main, testant chaque nouvelle idée avec des simulations informatiques complexes. Mais le nombre de formes possibles est si vaste que trouver la forme parfaite revient à chercher une aiguille dans une botte de foin. Récemment, un nouveau type de programme informatique est apparu, capable d'apprendre de milliers de conceptions de navires existantes et d'en inventer de nouvelles de lui-même. Ces programmes, connus sous le nom de modèles génératifs, offrent un moyen d'automatiser la partie créative du processus. Cependant, il y a un piège : ces inventeurs numériques produisent souvent des formes qui semblent bonnes sur le papier mais qui échouent lorsqu'elles sont confrontées aux lois complexes et imprévisibles de la physique.

Une équipe de chercheurs de l'Université de la Colombie-Britannique, travaillant avec des partenaires industriels, s'est donné pour mission de voir s'ils pouvaient rendre ces inventeurs numériques utiles pour la conception de navires du monde réel. Ils se sont concentrés sur une partie spécifique d'un navire : l'avant, où se trouve l'étrave bulbeuse. Ce bulbe est une protubérance sous l'eau à l'avant qui, lorsqu'elle est correctement conçue, annule les vagues et permet d'économiser du carburant. Les chercheurs voulaient savoir si un ordinateur pouvait apprendre à modifier uniquement cette section avant pour rendre un navire plus rapide, sans perturber le reste du bâtiment. Ils ont construit un système capable de générer de nouvelles formes de coque et de vérifier immédiatement la performance de ces formes. Mais ils ne se sont pas arrêtés à une simple estimation informatique. Ils ont soumis les meilleurs candidats numériques à un test rigoureux de haute fidélité qui simulait l'écoulement de l'eau autour du navire avec une précision extrême. Ce qu'ils ont découvert est une histoire de promesse et de limitation, révélant que, bien que l'ordinateur puisse générer de nouvelles idées, il peine encore à comprendre la physique subtile qui rend un navire véritablement efficace.

Les chercheurs ont commencé par apprendre à un modèle informatique à comprendre la géométrie d'un célèbre porte-conteneurs, le KRISO Container Ship. Ils n'ont pas demandé à l'ordinateur de redessiner l'ensemble du navire à partir de zéro. Au lieu de cela, ils lui ont dit de se concentrer uniquement sur la section avant, en gardant le reste du navire exactement identique. Cette approche, appelée conception localisée, est celle utilisée par les véritables architectes navals ; ils modifient rarement un navire entier, préférant affiner des parties spécifiques. L'ordinateur a été entraîné sur des milliers de versions légèrement différentes de l'avant du navire, apprenant les motifs qui rendent une forme lisse et continue. Une fois que l'ordinateur a appris ces motifs, les chercheurs l'ont guidé pour rechercher des formes qui créeraient moins de résistance. Ils ont utilisé une méthode qui récompensait l'ordinateur lorsqu'il trouvait une forme qui semblait fendre l'eau plus facilement, sur la base d'un calcul rapide et simplifié.

Pour voir si ces formes générées par ordinateur étaient réellement meilleures, l'équipe les a passées à travers un pipeline automatisé qui simulait l'écoulement de l'eau autour de la coque. Cette simulation était bien plus détaillée que le contrôle rapide utilisé pour guider l'ordinateur. Elle tenait compte de la viscosité de l'eau, des vagues créées par le navire et de la pression poussant contre la coque. Ils ont testé l'une des créations de l'ordinateur, qu'ils ont appelée Modèle 1, par rapport au navire original. À une vitesse lente, la nouvelle forme performait aussi bien que l'originale. Mais à mesure que la vitesse augmentait, la nouvelle forme commençait à peiner. À la vitesse de croisière typique du navire, la résistance était presque cinquante pour cent plus élevée que celle de l'original. Le calcul rapide qui avait guidé l'ordinateur avait manqué cette augmentation spectaculaire de la traînée. Il avait vu une forme prometteuse dans une plage étroite de conditions, mais avait échoué à prédire comment cette forme se comporterait lorsque l'eau se déplacerait plus vite.

Les chercheurs ont ensuite posé une question plus profonde : le problème venait-il de l'apprentissage de l'ordinateur ou de la manière dont les formes étaient décrites à l'ordinateur ? Pour le découvrir, ils ont adopté une approche différente. Au lieu de compter sur l'ordinateur pour inventer une nouvelle forme, ils ont demandé à un architecte naval humain de raffiner le navire original en utilisant le même ensemble de règles que l'ordinateur devait suivre. L'expert humain a ajusté l'avant du navire pour qu'il corresponde le plus fidèlement possible à l'original, tout en respectant les limites du système de description de l'ordinateur. Cette nouvelle forme, appelée GenHull E, ne possédait aucun bulbe. Le système utilisé par les chercheurs ne pouvait tout simplement pas décrire un bulbe lisse et arrondi ; il ne pouvait créer qu'une forme ressemblant à un cylindre plat. Lorsqu'ils ont testé cette forme raffinée par l'humain, les résultats furent frappants. À des vitesses plus faibles, elle était en fait six à huit pour cent plus efficace que le navire original. Elle présentait moins de surface mouillée en contact avec l'eau, ce qui réduisait la friction. Mais à mesure que la vitesse augmentait au-delà d'un certain point, l'absence de bulbe devenait un handicap. Les vagues générées par l'avant du navire devenaient plus fortes, et la résistance grimpait en flèche. Aux vitesses les plus élevées testées, la forme raffinée par l'humain était nettement moins bonne que l'originale.

Ce point de croisement, où la nouvelle forme passait d'une meilleure performance à une moins bonne, se produisait à une vitesse spécifique. En dessous de cette vitesse, le bénéfice d'avoir moins de surface mouillée l'emportait sur la pénalité de l'absence de bulbe. Au-dessus de cette vitesse, la pénalité de l'absence de bulbe l'emportait sur le bénéfice. Les chercheurs ont découvert que le système de récompense de l'ordinateur avait échoué à percevoir ce compromis. Il avait été entraîné à rechercher un chiffre unique représentant la performance moyenne sur une large gamme de vitesses. Comme le navire passe la majeure partie de son temps à des vitesses plus élevées, l'ordinateur était biaisé vers des formes performantes à ces vitesses, mais il avait manqué le virage brutal où la physique changeait. L'expert humain, contraint par le même système de description rigide, avait produit une forme qui était meilleure dans certaines conditions et moins bonne dans d'autres, mais la fonction de récompense simple de l'ordinateur ne pouvait pas capturer cette nuance.

L'étude a également révélé un coût caché de la nouvelle forme. La coque raffinée par l'humain était moins stable que l'originale. Elle avait une capacité moindre à rester droite en mer agitée, une exigence de sécurité critique pour tout navire. Le système de l'ordinateur ne vérifiait pas cette stabilité ; il ne regardait que la résistance. Le modèle de l'expert humain ne contenait aucun terme de stabilité et, par conséquent, la nouvelle coque a perdu 1,04 mètre de centre de gravité vertical admissible par rapport au modèle de référence. Cela a mis en évidence une lacune technologique : l'ordinateur pouvait générer des formes qui semblaient bonnes sur un seul indicateur, mais il ne comprenait pas le réseau complexe d'exigences qu'un vrai navire doit satisfaire.

Les chercheurs ont conclu que, bien que les modèles génératifs soient des outils puissants pour explorer de nouvelles conceptions, ils ne sont pas encore prêts à remplacer le jugement humain. L'ordinateur peut générer des milliers de variations rapidement, mais il a besoin d'un bien meilleur moyen de les évaluer. Les formules simples qu'il utilisait pour deviner la performance n'étaient pas assez précises pour détecter les changements subtils de résistance aux vagues et de stabilité. Pour que ces outils soient réellement utiles, les chercheurs doivent construire un système capable de simuler l'écoulement de l'eau avec une grande précision pour chaque candidat généré. Ils doivent également apprendre à l'ordinateur qu'une forme peut être bonne à une certaine vitesse et mauvaise à une autre, et que la sécurité est tout aussi importante que la vitesse. La voie à suivre consiste à combiner la rapidité de l'ordinateur avec la profondeur des simulations physiques de haute fidélité, garantissant que les conceptions numériques créées ne sont pas seulement mathématiquement intéressantes, mais physiquement réelles et sûres.

Le travail de cette équipe sert de rappel qu'en ingénierie, le diable se cache dans les détails. Une forme qui semble parfaite dans un modèle simplifié peut échouer spectaculairement lorsque le monde réel est pris en compte. Les chercheurs n'ont pas trouvé de solution miracle qui résout la conception des navires du jour au lendemain. Au lieu de cela, ils ont tracé une carte claire des lacunes actuelles de la technologie et de ce qui est nécessaire pour franchir la ligne d'arrivée. Ils ont montré que pour automatiser véritablement la conception de machines complexes, nous devons apprendre à l'ordinateur à voir l'image globale, et non seulement les parties faciles à mesurer. L'avenir de la conception navale réside dans un partenariat où l'ordinateur gère la partie lourde de la génération d'idées, et où l'expert humain, armé de meilleurs outils, guide ces idées vers une réalité qui est à la fois efficace, sûre et robuste.