AI-Assisted Multidisciplinary Design Optimization of Hydrogen-Electric Aircraft Integrating Aerodynamics, Propulsion, Thermal Management, and Structural Mass

आकाश की कल्पना एक विशाल, अदृश्य महासागर के रूप में करें जहाँ विमान उन मछलियों की तरह हैं जो जितना हो सके उतना दूर और तेज़ तैरने की कोशिश कर रही हैं। एक सदी से अधिक समय से, इन मछलियों ने मिट्टी के तेल (केरोसिन) जैसे भारी, धुएँ वाले ईंधन पर भरोसा किया है, जो स्कूल जाने के लिए हर दिन ईंटों से भरा एक भारी बस्ता ले जाने जैसा है। लेकिन वैज्ञानिक अब उन ईंटों को कुछ हल्के और स्वच्छ चीज़ से बदलने की कोशिश कर रहे हैं: हाइड्रोजन। हाइड्रोजन को एक सुपर-चार्ज्ड, अदृश्य एनर्जी ड्रिंक की तरह समझें जो पीछे कोई कार्बन फुटप्रिंट नहीं छोड़ता है। हालाँकि, इसमें एक पेंच है। हालांकि हाइड्रोजन हल्का है, लेकिन यह बहुत अधिक जगह घेरता है (एक विशाल गुब्बारे की तरह) और इसे बर्फ के एक ऐसे टुकड़े की तरह बेहद ठंडा रखना पड़ता है जो कभी न पिघले। यह इंजीनियरों के लिए एक बड़ी पहेली पैदा करता है: आप एक ऐसा विमान कैसे बनाएं जो एक विशाल, जमा देने वाला गुब्बारा ले जाए, एक विशेष इंजन जो उस गुब्बारे को बिजली में बदल दे, और एक कूलिंग सिस्टम जो इंजन को गर्म होने से रोके, और यह सब करते हुए इसे उड़ने के लिए पर्याप्त हल्का भी रखे?

यहीं पर "मल्टीडिसिप्लिनरी डिज़ाइन ऑप्टिमाइज़ेशन" (MDO) का विज्ञान आता है। आप MDO को विशेषज्ञों की एक टीम के रूप में देख सकते हैं जो एक विशाल जिग्सॉ पहेली को हल करने की कोशिश कर रही है। एक व्यक्ति पंखों (एयरोडायनामिक्स) को देखता है, दूसरा इंजन (प्रोपल्शन) को, तीसरा कूलिंग सिस्टम (थर्मल मैनेजमेंट) को, और चौथा ढांचे के वजन (स्ट्रक्चरल मास) को देखता है। पुराने दिनों में, ये विशेषज्ञ एक के बाद एक काम करते थे, जैसे दौड़ में बैटन पास करना। लेकिन क्योंकि सब कुछ आपस में जुड़ा हुआ है—जैसे कि पंखों को बड़ा करने से इंजन के ठंडा होने के तरीके में बदलाव आता है, जिससे ढांचे का वजन बदल जाता है—यह "बैटन पास करने" वाला तरीका अक्सर एक अव्यवस्थित और कमतर डिज़ाइन की ओर ले जाता है। यह एक घर बनाने की कोशिश करने जैसा है जहाँ प्लंबर, इलेक्ट्रीशियन और बढ़ई बिना एक-दूसरे से बात किए अलग-अलग कमरों में काम करते हैं।

अब, इस कहानी के मुख्य पात्र से मिलिए: आर्टिफिशियल इंटेलिजेंस (AI)। विशेष रूप से, एक चतुर प्रकार का AI जिसे "फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क" (PINN) कहा जाता है। कल्पना करें कि एक छात्र जो केवल गणित के टेस्ट के उत्तर रटता नहीं है, बल्कि गणित के नियमों को इतनी अच्छी तरह समझता है कि वह उस प्रश्न का उत्तर भी अनुमान लगा सकता है जिसे उसने पहले कभी नहीं देखा है। यह AI यही करता है। हर डिज़ाइन विचार के लिए धीमे, भारी कंप्यूटर सिमुलेशन चलाने के बजाय, AI "आकाश के नियमों" और "इंजन के नियमों" को कुछ उदाहरणों से सीख लेता है, और फिर तुरंत अनुमान लगा लेता है कि यदि आप पंख के आकार या टैंक के आकार को बदलते हैं तो क्या होगा। यह शोध पत्र इस AI को एक परम टीम कप्तान बनने में मदद करने के बारे में है, जो उन सभी विशेषज्ञों को मिलकर एक आदर्श हाइड्रोजन विमान डिजाइन करने में मदद करेगा।

इस शोध पत्र का बड़ा विचार: विमान डिजाइनरों के लिए एक सुपर-ब्रेन

नैन्टिंग विश्वविद्यालय के शोधकर्ताओं द्वारा लिखे गए इस शोध पत्र में हाइड्रोजन-इलेक्ट्रिक विमानों को डिजाइन करने का एक बिल्कुल नया तरीका प्रस्तावित किया गया है। लेखक एक ऐसी समस्या का समाधान कर रहे हैं जो पारंपरिक तरीकों के लिए बहुत कठिन रही है: एक विमान के चार बहुत अलग, फिर भी आपस में मजबूती से जुड़े हुए हिस्सों को एक साथ संतुलित करना। वे केवल अकेले पंखों या इंजन को नहीं देख रहे हैं; वे एक साथ एयरोडायनामिक्स (हवा विमान के ऊपर कैसे बहती है), प्रोपल्शन (हाइड्रोजन फ्यूल सेल और इलेक्ट्रिक मोटर), थर्मल मैनेजमेंट (गर्म इंजन को ठंडा रखना), और स्ट्रक्चरल मास (पंखों और जमने वाले हाइड्रोजन टैंक का वजन) को अनुकूलित करने की कोशिश कर रहे हैं।

लेखकों का तर्क है कि वर्तमान विधियाँ बहुत धीमी हैं और अक्सर सबसे अच्छे समाधानों को चूक जाती हैं क्योंकि वे इन चार भागों को अलग-अलग मानती हैं। इसे ठीक करने के लिए, उन्होंने एक "डिजिटल वर्कशॉप" बनाई है जहाँ एक AI एक सुपर-फास्ट शॉर्टकट के रूप में कार्य करता है। एक नए पंख के आकार पर हवा कैसे बहती है, इसकी गणना करने के लिए घंटों तक कंप्यूटर सिमुलेशन का इंतजार करने के बजाय, AI एक "फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क" (PINN) का उपयोग करता है। PINN को एक समझदार प्रशिक्षु (apprentice) के रूप में सोचें जिसने भौतिकी के नियमों (जैसे हवा का दबाव कैसे काम करता है या गर्मी कैसे चलती है) का अध्ययन किया है और हजारों कंप्यूटर सिमुलेशन पर अभ्यास भी किया है। प्रशिक्षित होने के बाद, यह प्रशिक्षु एक सेकंड के भीतर एक नए डिज़ाइन के परिणाम की उच्च सटीकता के साथ भविष्यवाणी कर सकता है, जिससे डिजाइनर एक ही समय में हजारों विचारों का परीक्षण कर सकते हैं, जितना समय पहले केवल एक परीक्षण में लगता था।

उन्होंने यह कैसे किया: चार-चरणीय नृत्य

शोधकर्ताओं ने एक जटिल नृत्य की व्यवस्था की जिसमें चार मुख्य चरण शामिल हैं, जो एक AI कोच द्वारा निर्देशित हैं:

1. एयरोडायनामिक्स (हवा): उन्होंने विमान के चारों ओर हवा कैसे चलती है, इसका अनुकरण करने के लिए SU2 नामक एक शक्तिशाली कंप्यूटर प्रोग्राम का उपयोग किया। वे वह आकार खोजना चाहते थे जो कम से कम ड्रैग (हवा का प्रतिरोध) पैदा करे और फिर भी विमान को ऊपर थामे रखे।
2. प्रोपल्शन (हृदय): उन्होंने एक प्रोटॉन एक्सचेंज मेम्ब्रेन (PEM) फ्यूल सेल का मॉडल बनाया। यह वह इंजन है जो हाइड्रोजन को बिजली में बदलता है। यह मॉडल ट्रैक करता है कि यह कितनी शक्ति बनाता है और, सबसे महत्वपूर्ण बात यह है कि, यह कितनी अपशिष्ट गर्मी (waste heat) उत्पन्न करता है।
3. थर्मल मैनेजमेंट (पसीना): चूंकि फ्यूल सेल गर्म हो जाता है, इसलिए विमान को एक कूलिंग सिस्टम (रेडिएटर की तरह) की आवश्यकता होती है जो बाहरी हवा का उपयोग करता है। लेकिन यहाँ पेच है: कूलिंग सिस्टम वजन बढ़ाता है और ड्रैग (हseit प्रतिरोध) पैदा करता है। AI को सही संतुलन बनाना होगा: काम करने के लिए पर्याप्त ठंडा, लेकिन इतना हल्का और छोटा कि विमान की गति धीमी न हो।
4. स्ट्रक्चर (हड्डियाँ): उन्होंने पंखों और तरल हाइड्रोजन को रखने के लिए आवश्यक विशेष टैंक के वजन की गणना की। चूंकि हाइड्रोजन एक गैस है जिसे जमा हुआ रखना पड़ता है, इसलिए टैंक को मजबूत और इंसुलेटेड होना चाहिए, जिससे वजन बढ़ता है। AI दबाव को बिना टूटे झेलने के लिए कितने सामग्री की आवश्यकता है, इसका अनुमान लगाने के लिए गणित का उपयोग करता है।

जादुई उपकरण: NSGA-II और "पारेटो" मैप

सर्वश्रेष्ठ डिज़ाइन खोजने के लिए, टीम ने NSGA-II नामक विधि का उपयोग किया। कल्पना करें कि आप एक कार खरीद रहे हैं और आप चाहते हैं कि वह तेज़, सस्ती और सुरक्षित हो। आमतौर पर, आप तीनों चीजें एक साथ नहीं पा सकते; एक तेज़ कार महंगी हो सकती है, और एक सुरक्षित कार भारी हो सकती है। इंजीनियरिंग में, इसे "ट्रेड-ऑफ" कहा जाता है। NSGA-II एल्गोरिदम एक स्मार्ट मानचित्र की तरह है जो आपको हर संभव "बेहतरीन सौदे" को दिखाता है। यह केवल एक उत्तर नहीं देता; यह "पारेटो-ऑप्टिमल" डिज़ाइनों की एक पूरी सूची देता है। कुछ सबसे हल्के हो सकते हैं, कुछ सबसे दूर तक उड़ सकते हैं, और कुछ में सबसे अच्छा कूलिंग सिस्टम हो सकता है। यह इंजीनियरों को पूरी तस्वीर देखने और अपनी विशिष्ट आवश्यकताओं के अनुसार डिज़ाइन चुनने की अनुमति देता है।

उन्होंने क्या पाया (और क्या नहीं)

यह ध्यान रखना महत्वपूर्ण है कि यह शोध पत्र एक अनुसंधान प्रस्ताव और एक ढांचा (framework) है, न कि किसी तैयार, उड़ते हुए विमान की रिपोर्ट। लेखकों ने अभी तक विमान नहीं बनाया है और न ही किसी विशिष्ट नए विमान के लिए अंतिम सिमुलेशन चलाए हैं ताकि सटीक संख्या प्राप्त की जा सके। इसके बजाय, उन्होंने वह "इंजन" बनाया है जो यह काम करेगा।

• ढांचा तैयार है: उन्होंने पूरे सिस्टम को सफलतापूर्वक डिजाइन किया है, जो एयरोडायनामिक्स, इंजन, कूलिंग और वजन कैलकुलेटर को AI द्वारा संचालित एक लूप में जोड़ता है।
• AI को "अभ्यास" डेटा पर प्रशिक्षित किया गया है: अपने AI को सिखाने के लिए, उन्होंने मौजूदा छोटे हाइड्रोजन विमानों जैसे कि HY4 (4-सीटर) और ZeroAvia Do228 (19-सीटर रेट्रोफिट) से डेटा का उपयोग किया। उन्होंने नासा के इलेक्ट्रिक प्ले प्रोजेक्ट्स के डेटा का भी उपयोग किया। यह साबित करता है कि उनकी विधि ज्ञात उदाहरणों पर काम करती है।
• गति का वादा: लेखक सुझाव देते हैं कि अपने AI का उपयोग करके, वे डिज़ाइन प्रक्रिया को 100 गुना (दो ऑर्डर ऑफ मैग्नीट्यूड) तेज कर सकते हैं। कुछ डिज़ाइनों के परीक्षण के लिए हफ्तों के इंतजार के बजाय, वे एक दिन में हजारों का परीक्षण कर सकते हैं।
• अनिश्चितता की जाँच: शोध पत्र में "अनिश्चितता" की जाँच करने की एक योजना भी शामिल है। चूंकि AI प्रशिक्षण के आधार पर अनुमान लगा रहा है, इसलिए लेखक यह सुनिश्चित करना चाहते हैं कि वे अपने परिणामों के प्रति कितने आश्वस्त हैं। वे हजारों सिमुलेशन चलाकर यह देखना चाहते हैं कि यदि वास्तविक दुनिया की स्थितियाँ थोड़ी बदल जाती हैं (जैसे कि हाइड्रोजन टैंक उम्मीद से थोड़ा भारी है), तो परिणाम कितना बदल सकते हैं।

यह क्यों महत्वपूर्ण है

यह कार्य हरित विमानन (green aviation) के भविष्य का एक रोडमैप है। यह साबित करके कि एक AI हाइड्रोजन, बिजली और एयरोडायनामिक्स को मिलाने के जटिल गणित को संभाल सकता है, लेखक इंजीनियरों के लिए ऐसे वाणिज्यिक हाइड्रोजन विमानों को डिजाइन करने का मार्ग प्रशस्त कर रहे हैं जो वास्तव में व्यवहार्य हैं। वे केवल हाइड्रोजन विमान का सपना नहीं देख रहे हैं; वे वे डिजिटल उपकरण बना रहे हैं जो हमें ठीक से बताएंगे कि इसे कैसे बनाया जाए।

शोध पत्र इस निष्कर्ष के साथ समाप्त होता है कि हालांकि अभी भी चुनौतियाँ हैं—जैसे यह सुनिश्चित करना कि AI केवल छोटे परीक्षण विमानों के लिए ही नहीं बल्कि बड़े वाणिज्यिक जेट के लिए भी काम करे—उनका नया "AI-असिस्टेड मल्टीडिसिप्लिनरी डिज़ाइन ऑप्टिमाइज़ेशन" ढांचा एक शक्तिशाली नया उपकरण है। यह डिजाइनरों को अनुमान लगाना बंद करने और संभावनाओं की पूरी श्रृंखला का पता लगाने की अनुमति देता है, यह सुनिश्चित करता है कि जब पहला हाइड्रोजन-संचालित वाणिज्यिक एयरलाइनर आसमान में उड़ान भरेगा, तो वह अपने सर्वश्रेष्ठ संभव रूप में होगा।