Machine-Learning Surrogates for Airfoil Pitching Moment: Accuracy, Extrapolation, and the Finite-Thickness Shift of the Aerodynamic Center
이 논문은 포텐셜 유동 데이터를 사용하여 NACA 4자리 익형의 피칭 모멘트를 예측하기 위한 머신러닝 대리 모델을 평가하며, 유한한 두께가 공력 중심을 4분의 1 현(quarter-chord) 뒤쪽으로 이동시킨다는 점을 밝히고, 랜덤 포레스트 모델이 훈련 범위 내에서는 높은 정확도를 달나지만 대상 물리량의 물리적 견고함에도 불구하고 새로운 익형 형상에 대한 외삽 오류를 감지하는 데는 실패한다는 것을 입증한다.