Pareto-Optimal Hypersonic Vehicle Design with Canonical-Coordinate Neural Operator Surrogates Under Ablation-Driven Shape Change and Incidence Variation

Le vol à haute vitesse à la limite de l'espace présente un défi unique et brutal pour les ingénieurs. Lorsqu'un véhicule se déplace plus de cinq fois plus vite que le son, l'air devant lui ne se contente pas de s'écarter ; il se comprime si violemment qu'il s'échauffe à des températures où les molécules d'air elles-mêmes commencent à se briser et à réagir chimiquement. Cela crée un environnement complexe où la forme du véhicule, la chaleur qu'il génère et les forces qui poussent contre lui sont tous liés dans un équilibre délicat. Concevoir un véhicule pour ce régime nécessite de trouver une forme qui minimise la traînée pour économiser du carburant tout en gérant simultanément une chaleur intense qui pourrait faire fondre la peau de l'engin. Traditionnellement, les ingénieurs ont dû compter sur de puissantes simulations informatiques pour tester ces conceptions. Ces simulations sont incroyablement précises mais aussi incroyablement lentes, prenant souvent des jours pour modéliser une seule condition de vol. Comme le processus est si coûteux, les concepteurs ne peuvent généralement tester qu'un petit nombre de formes, laissant de vastes possibilités inexplorées et manquant potentiellement la meilleure conception possible.

Une équipe de chercheurs a développé une nouvelle méthode pour contourner ce goulot d'étranglement, permettant d'explorer des milliers de variations de conception dans le temps qu'il fallait auparavant pour simuler un seul cas. Ils ont créé un type d'intelligence artificielle qui agit comme un raccourci rapide et intelligent pour les simulations informatiques lentes. Au lieu d'exécuter le calcul complet et lourd pour chaque nouvelle forme ou angle de vol, ce système apprend les modèles sous-jacents de la façon dont l'air circule et chauffe. Une fois entraîné, il peut prédire le comportement d'une nouvelle conception presque instantanément. Les chercheurs ont testé cette approche sur deux types de véhicules hypersoniques très différents : une famille de formes à nez émoussé qui changent à mesure que le nez s'use sous l'effet de la chaleur, et une aile volante tridimensionnelle pointue conçue pour chevaucher sa propre onde de choc. Dans les deux cas, le nouveau système a prédit avec succès l'écoulement complexe de l'air et de la chaleur avec une grande précision, permettant à l'équipe de cartographier les compromis parfaits entre vitesse, portance et protection thermique en quelques minutes.

La difficulté fondamentale à laquelle les chercheurs ont été confrontés est que la physique du vol hypersonique change radicalement selon la forme du véhicule ou l'angle sous lequel il vole. Dans l'un de leurs cas de test, ils ont examiné une famille de formes à nez émoussé où le rayon du nez varie. À mesure que le nez devient plus émoussé ou plus pointu, l'espace physique entier à travers lequel l'air s'écoule change de forme. Un modèle informatique standard aurait du mal à comparer ces différentes formes car la grille de points utilisée pour mesurer l'air serait différente pour chaque conception. Pour résoudre ce problème, les chercheurs ont inventé une façon d'étirer et de remodeler chaque géométrie différente en un cadre de référence commun. Imaginez que vous preniez la carte d'un pays et que vous l'étiriez de sorte que chaque frontière et chaque littoral s'alignent parfaitement sur une grille standard, peu importe l'apparence réelle du pays. En faisant cela, l'intelligence artificielle pouvait apprendre les modèles d'écoulement de l'air une seule fois et les appliquer à n'importe quelle forme de la famille, même celles qu'elle n'avait jamais vues auparavant.

Pour le second cas de test, une aile volante tridimensionnelle, la géométrie restait la même, mais la façon dont l'air la frappait changeait à mesure que le véhicule s'inclinait de haut en bas. À mesure que l'angle changeait, une onde de choc puissante — un mur mince d'air compressé — se déplaçait sur la surface du véhicule. Cette onde de choc mobile est un problème majeur pour les modèles informatiques car c'est une caractéristique nette et discontinue qui change de position à chaque infime changement d'angle. Si un modèle tente d'apprendre cela sans aide, il a tendance à flouter l'onde de choc, transformant un mur de pression net en un gradient diffus et inexact. Les chercheurs ont résolu cela en apprenant au système à reconnaître d'abord la position de l'onde de choc. Ils ont ajouté une étape spéciale où le système apprenait à prédire exactement où se trouverait l'onde de choc pour n'importe quel angle donné. Il utilisait ensuite cette prédiction pour créer un nouveau système de coordonnées qui se déplaçait avec l'onde de choc, maintenant le bord net au même endroit par rapport à la vue interne du modèle. Cela a permis au système d'apprendre les détails nets de l'onde de choc sans les flouter, un exploit que les modèles standards ne pouvaient pas accomplir.

Les résultats de ce travail ont été frappants. Pour les formes à nez émoussé, l'équipe a effectué un balayage de plus de mille modèles différents pour trouver le meilleur équilibre entre la traînée et la chaleur. Par le passé, tester autant de modèles avec des simulations traditionnelles aurait pris des années de temps de calcul. En utilisant leur nouvelle méthode, l'équipe a terminé toute la recherche en environ trois minutes sur un seul processeur informatique. Ils ont identifié deux cents modèles offrant les meilleurs compromis possibles, là où l'amélioration d'un facteur entraînerait inévitablement l'aggravation d'un autre. Ils ont découvert qu'en acceptant une légère augmentation de la traînée, ils pouvaient réduire considérablement la chaleur de pointe sur le nez du véhicule, une information cruciale pour la protection thermique. De même, pour l'aile volante, ils ont scanné des centaines d'angles de vol différents pour trouver le point optimal d'efficacité. Ils ont découvert qu'un angle spécifique offrait un gain substantiel de portance avec une pénalité mineure de charge thermique, une combinaison qui aurait été difficile à identifier sans une exploration aussi dense de l'espace de conception.

Les chercheurs ont pris soin de noter les limites de leur méthode. Bien que le système soit excellent pour prédire la quantité totale de chaleur frappant le véhicule, il était moins précis pour prédire le point le plus chaud unique sur la surface. C'est parce que le point le plus chaud est un point localisé minuscule qui peut sauter d'une petite zone de la surface à une autre lorsque la conception change, ce qui le rend plus difficile à localiser qu'une chaleur moyenne sur l'ensemble du corps. Par conséquent, ils ont utilisé la charge thermique totale comme objectif principal pour leurs choix de conception, traitant la température de pointe comme une vérification secondaire plutôt que comme le moteur principal. Ils ont également constaté que le système fonctionnait mieux lorsque les conceptions qu'on lui demandait de prédire se situaient dans la plage des formes qu'il avait déjà rencontrées lors de l'entraînement. Lorsqu'on lui demandait de prédire des formes très éloignées de cette plage, la précision chutait, bien qu'elle reste assez stable pour éviter des erreurs aberrantes. Cela suggère que l'outil est préférable pour explorer l'espace entre les conceptions connues plutôt que pour inventer des géométries entièrement nouvelles et inédites.

En fin de compte, ce travail démontre un changement dans la manière dont les véhicules hypersoniques peuvent être conçus. En remplaçant l'approche lente et de force brute consistant à exécuter des milliers de simulations par un modèle de substitution rapide et appris, les ingénieurs peuvent désormais voir l'ensemble du paysage des possibilités. Ils ne sont plus contraints d'échantillonner seulement quelques points et de deviner où se trouve la meilleure conception. Au lieu de cela, ils peuvent visualiser tout le continuum des compromis, en voyant exactement quelle portance ils peuvent gagner pour une augmentation spécifique de la chaleur, ou quelle traînée ils peuvent économiser en acceptant une forme légèrement différente. La méthode ne remplace pas la nécessité de simulations de haute fidélité, qui sont toujours requises pour vérifier les choix finaux, mais elle change le rôle de ces simulations, passant d'un goulot d'étranglement qui limite l'exploration à un point de contrôle final pour les meilleurs candidats. Cela permet au processus de conception de passer d'un jeu de hasard, où les ingénieurs espèrent tomber sur une bonne conception, à un processus de sélection éclairée, où le meilleur compromis est trouvé avec certitude.