Physics-Informed Machine Learning Framework for Rapid Aerodynamic Prediction of Trailing-Edge Morphing Airfoils at Low Reynolds Numbers
本研究は、限られたCFDデータで学習させた勾配ブースティング・サロゲートを用い、物理ベースの特徴量エンジニアリングを通じて予測誤差を最大18%削減することにより、様々な構成および流れの条件下において、従来のヒンジ式フラップに対する放物線状後縁モーフィング翼の優れた空気力学的性能を迅速かつ正確に予測する、物理情報に基づく機械学習フレームワークを検証するものである。