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

Il volo ad alta velocità ai confini dello spazio presenta una sfida unica e brutale per gli ingegneri. Quando un veicolo si muove a una velocità superiore a cinque volte quella del suono, l'aria davanti ad esso non si limita a spostarsi lateralmente; si comprime così violentemente da riscaldarsi a temperature tali che le stesse molecole d'aria iniziano a frammentarsi e a reagire chimicamente. Ciò crea un ambiente complesso in cui la forma del veicolo, il calore che genera e le forze che premono contro di esso sono tutti legati tra loro in un delicato equilibrio. Progettare un veicolo per questo regime richiede la ricerca di una forma che minimizzi la resistenza per risparmiare carburante, gestendo simultaneamente l'intenso calore che potrebbe fondere la pelle del velivolo. Tradizionalmente, gli ingegneri hanno dovuto fare affidamento su potenti simulazioni al computer per testare questi progetti. Queste simulazioni sono incredibilmente accurate ma anche incredibilmente lente, richiedendo spesso giorni per modellare una singola condizione di volo. Poiché il processo è così costoso, i progettisti possono solitamente testare solo un numero limitato di forme, lasciando inesplorate vaste possibilità e rischiando di perdere il design migliore possibile.

Un team di ricercatori ha sviluppato un nuovo metodo per superare questo collo di bottiglia, permettendo di esplorare migliaia di variazioni di design nel tempo in cui un tempo si simulava un solo caso. Hanno creato un tipo di intelligenza artificiale che funge da scorciatoia veloce e intelligente per le lente simulazioni al computer. Invece di eseguire il calcolo completo e pesante per ogni nuova forma o angolo di volo, questo sistema apprende i modelli sottostanti di come l'aria fluisce e si riscalda. Una volta addestrato, può prevedere il comportamento di un nuovo design quasi istantaneamente. I ricercatori hanno testato questo approccio su due tipi di veicoli ipersonici molto diversi: una famiglia di forme a muso smussato che cambiano man mano che il muso si usura a causa del calore, e un'ala volante tridimensionale e affilata progettata per cavalcare la propria onda d'urto. In entrambi i casi, il nuovo sistema ha predetto con alta precisione il complesso flusso d'aria e di calore, consentendo al team di mappare i perfetti compromessi tra velocità, portanza e protezione termica in pochi minuti.

La difficoltà principale che i ricercatori hanno affrontato è che la fisica del volo ipersonico cambia drasticamente a seconda della forma del veicolo o dell'angolo con cui vola. In uno dei loro casi di test, hanno esaminato una famiglia di forme a muso smussato in cui il raggio del muso varia. Man mano che il muso diventa più smussato o più appuntito, l'intero spazio fisico attraverso cui scorre l'aria cambia forma. Un modello standard al computer farebbe fatica a confrontare queste diverse forme perché la griglia di punti utilizzata per misurare l'aria sarebbe diversa per ogni singolo design. Per risolvere questo problema, i ricercatori hanno inventato un modo per deformare e rimodellare ogni diversa geometria in un unico riferimento comune. Immaginate di prendere la mappa di un paese e di deformarla in modo che ogni confine e costa si allinei perfettamente con una griglia standard, indipendentemente dall'aspetto reale del paese. Facendo ciò, l'intelligenza artificiale poteva apprendere i modelli del flusso d'aria una sola volta e applicarli a qualsiasi forma della famiglia, anche quelle che non aveva mai visto prima.

Per il secondo caso di test, un'ala volante tridimensionale, la geometria rimaneva la stessa, ma il modo in cui l'aria la colpiva cambiava al variare dell'inclinazione del veicolo. Al variare dell'angolo, un'onda d'urto potente — un sottile muro di aria compressa — si muoveva sulla superficie del veicolo. Questa onda d'urto mobile è un problema maggiore per i modelli al computer perché è una caratteristica netta e discontinua che si sposta con ogni minimo cambiamento di angolo. Se un modello tenta di apprendere questo fenomeno senza aiuto, tende a sfocare l'onda d'urto, trasformando un netto muro di pressione in un gradiente sfumato e impreciso. I ricercatori hanno risolto il problema insegnando al sistema a riconoscere prima la posizione dell'onda d'urto. Hanno aggiunto una fase speciale in cui il sistema imparava a prevedere esattamente dove si sarebbe trovata l'onda d'urto per ogni dato angolo. Successivamente, utilizzava questa previsione per creare un nuovo sistema di coordinate che si muovesse con l'onda d'urto, mantenendo il bordo netto nella stessa posizione rispetto alla visione interna del modello. Ciò ha permesso al sistema di apprendere i dettagli nitidi dell'onda d'urto senza sfumarli, un risultato che i modelli standard non potevano raggiungere.

I risultati di questo lavoro sono stati sorprendenti. Per le forme a muso smussato, il team ha eseguito una scansione di oltre mille diversi design per trovare il miglior equilibrio tra resistenza e calore. In passato, testare un numero simile di design con le simulazioni tradizionali avrebbe richiesto anni di tempo computazionale. Utilizzando il loro nuovo metodo, il team ha completato l'intera ricerca in circa tre minuti su un singolo processore computerizzato. Hanno identificato duecento design che offrivano i migliori possibili compromessi, dove il miglioramento di un fattore comporterebbe inevitabilmente il peggioramento di un altro. Hanno scoperto che accettando un piccolo aumento della resistenza, potevano ridurre significativamente il picco di calore sul muso del veicolo, un'intuizione cruciale per la protezione termica. Allo stesso modo, per l'ala volante, hanno scansionato centinaia di diversi angoli di volo per trovare il punto ottimale di efficienza. Hanno scoperto che un angolo specifico offriva un sostanziale incremento della portanza con solo un minore impatto sul carico termico, una combinazione che sarebbe stata difficile individuare senza un'esplorazione così densa dello spazio di progettazione.

I ricercatori sono stati attenti a sottolineare i limiti del loro metodo. Sebbene il sistema fosse eccellente nel prevedere la quantità totale di calore che colpiva il veicolo, era meno preciso nel prevedere il singolo punto più caldo sulla superficie. Questo perché il punto più caldo è un punto minuscolo e localizzato che può spostarsi da una piccola zona della superficie a un'altra al variare del design, rendendolo più difficile da individuare rispetto al calore medio su tutto il corpo. Di conseguenza, hanno utilizzato il carico termico totale come obiettivo primario per le loro scelte di progettazione, trattando la temperatura di picco come un controllo secondario piuttosto che come il driver principale. Hanno inoltre scoperto che il sistema funzionava meglio quando i design a cui veniva chiesto di prevedere erano entro l'intervallo di forme già viste durante l'addestramento. Quando veniva chiesto di prevedere forme molto al di fuori di tale intervallo, l'accuratezza diminuiva, sebbene rimanesse abbastanza stabile da evitare errori macroscopici. Ciò suggerisce che lo strumento è più adatto per esplorare lo spazio tra i design noti piuttosto che per inventare geometrie completamente nuove e mai testate partendo da zero.

In definitiva, questo lavoro dimostra un cambiamento nel modo in cui possono essere progettati i veicoli ipersonici. Sostituendo il lento approccio basato sulla forza bruta di eseguire migliaia di simulazioni con un modello surrogato veloce e appreso, gli ingoleneri possono ora vedere l'intero panorama delle possibilità. Non sono più costretti a campionare solo pochi punti e indovinare dove si trovi il design migliore. Al contrario, possono visualizzare l'intero continuum dei compromessi, vedendo esattamente quanta portanza possono guadagnare per un determinato aumento di calore, o quanta resistenza possono risparmiare accettando una forma leggermente diversa. Il metodo non sostituisce la necessità di simulazioni ad alta fedeltà, che sono ancora necessarie per verificare le scelte finali, ma cambia il ruolo di tali simulazioni da un collo di bottiglia che limita l'esplorazione a un controllo finale per i candidati migliori. Ciò permette al processo di progettazione di passare da un gioco di fortuna, in cui gli ingegneri sperano di imbattersi in un buon design, a un processo di selezione informata, dove il miglior compromesso possibile viene trovato con certezza.