Localized Generative Design of Ship Hulls with Diffusion Models and High-Fidelity Assessment

设计一艘船是一场缓慢而谨慎的妥协之舞。工程师必须塑造出一个既能承载重载、在波涛汹涌的海面上保持稳性，又能以尽可能少的阻力穿透水面的船体。目标是减少阻力（即抗力），因为阻力越小，意味着燃料消耗越少，成本也越低。几十年来，这一直是人类专家的工作，他们通过手动调整形状，并用复杂的计算机模拟来测试每一个新想法。但由于可能的形状数量极其庞大，寻找完美的形状就像在大海捞针。最近，一种新型计算机程序出现了，它可以从数千个现有的船舶设计中学习并自主发明新的设计。这些被称为“生成式模型”的程序，为自动化这一创作过程提供了一种方法。然而，问题在于：这些数字发明者创造出的形状往往在理论上看起来很完美，但在面对复杂且不可预测的物理定律时却会失效。

不列颠哥伦比亚大学的一个研究小组与行业伙伴合作，旨在研究如何让这些数字发明者在现实世界的船舶设计中发挥作用。他们专注于船的一个特定部分：船头，即球鼻艏（bulbous bow）所在的位置。这个位于船首水下的凸起部分如果设计得当，可以抵消波浪并节省燃料。研究人员想知道，计算机是否可以学习仅对这个前部进行微调，从而在不影响整个船只的情况下提高航速。他们构建了一个系统，可以生成新的船体形状，并立即检查这些形状的表现如何。但他们并没有止步于快速的计算机估算。他们将表现最好的数字候选方案提交到了严苛的高保真度测试中，该测试能够极高精度地模拟水流绕过船只的过程。他们的发现是一个充满希望但也存在局限性的故事，揭示了虽然计算机可以产生新想法，但它仍然难以理解让船舶真正实现高效运行的微妙物理机制。

研究人员首先开始教一个计算机模型理解一艘著名的集装箱船——KRISO集装箱船的几何结构。他们并没有要求计算机从头开始重新设计整艘船，而是告诉它只关注前部，保持其余部分的完全不变。这种被称为“局部设计”的方法正是真正的造船师的工作方式；他们很少改变整艘船，而是倾向于优化特定部件。计算机在成千上万个略有不同的船头版本上接受训练，学习使形状平滑且连续的模式。一旦计算机掌握了这些模式，研究人员便引导它去寻找能产生更小阻力的形状。他们使用了一种方法，当计算机根据快速、简化的计算找到看似更容易穿透水面的形状时，就会给予奖励。

为了验证这些计算机生成的形状是否真的更好，团队将它们放入了一个自动化的流水线中，模拟水流绕过船体的过程。这种模拟比引导计算机进行快速检查的计算要详细得多。它考虑了水的粘性、船只产生的波浪以及挤压船体的压力。他们将其中一个计算机创造的形状（我们称之为模型1）与原始船只进行了对比测试。在低速状态下，新形状的表现与原船相当。但随着速度增加，新形状开始显得吃力。在船舶的典型巡航速度下，其阻力比原船高出了近百分之五十。此前引导计算机进行的快速计算忽略了这种剧烈的阻力增长。它看到的是一个在狭窄条件下看起来很有前景的形状，但在水流加速运动时，它无法预测该形状的行为。

研究人员随后提出了一个更深层的问题：问题出在计算机的学习上，还是出在向计算机描述形状的方式上？为了找出答案，他们采取了另一种方法。他们不再依赖计算机去发明新形状，而是要求一位人类造船师使用与计算机相同的规则来改进原有的船只。这位专家调整了船的前部，使其尽可能贴合原船，但仍受限于计算机的描述系统。这个被称为GenHull E的新形状完全没有球鼻艏。研究人员使用的系统根本无法描述一个平滑、圆润的球状物，它只能创建一个看起来像扁平圆柱体的形状。当他们测试这个经过人类优化的形状时，结果令人震惊。在较低速度下，它的效率实际上比原船高出6%到8%。由于其与水接触的表面积较小，从而减少了摩擦。但当速度超过一定界限后，缺失球鼻艏的弊端便显现出来。船头产生的波浪变得更加强烈，阻力随之飙升。在测试的最高速度下，这个经由人类优化的形状明显差于原船。

这种新形状从变好转为变坏的“交叉点”发生在特定的速度上。在低于该速度时，拥有更小湿面积带来的收益超过了缺失球鼻艏带来的损失；而在高于该速度时，缺失球鼻艏的惩罚则压倒了收益。研究人员发现，计算机的奖励机制未能察觉到这种权衡。它被训练去寻找一个代表广泛速度范围内平均性能的单一数值。因为船舶大部分时间处于较高速度，所以计算机倾向于选择在这些速度下表现良好的形状，但它忽略了物理特性发生剧变的转折点。那位受限于同样僵化描述系统的专家，虽然制造出了一个在某些条件下更好、在另一些条件下更差的形状，但计算机简单的奖励函数无法捕捉到这种细微差别。

研究还揭示了这种新形状隐藏的代价。经人类优化的船体不如原船稳定。它在波涛汹涌的海面上保持直立的能力较低，而这是任何船舶的关键安全要求。计算机系统并未检查这种稳定性，它只关注阻力。人类专家的拟合过程中没有包含稳定性项，结果导致新船体的垂直重心允许高度比基准船降低了1.04米。这突显了技术上的一个差距：计算机可以生成在单一指标上表现优秀的形状，但它并不理解一艘真实船舶必须满足的复杂需求网络。

研究人员得出结论，虽然生成式模型是探索新设计的强大工具，但它们尚未准备好取代人类的判断。计算机可以快速生成数千种变化，但它需要一种更好的评估方式。它用于猜测性能的简单公式不够精确，无法捕捉到波浪阻力和稳定性的微妙变化。为了使这些工具真正有用，研究人员需要建立一个系统，能为它生成的每一个候选方案都进行高精度的水流模拟。他们还需要教会计算机，一个形状可能在某种速度下表现良好，而在另一种速度下表现糟糕，并且安全性与速度同样重要。未来的路径在于将计算机的速度与高保真物理模拟的深度相结合，确保数字设计不仅在数学上有趣，而且在物理上真实且安全。

这项工作提醒人们，在工程领域，细节决定成败。在简化模型中看起来完美的形状，在考虑到现实世界时可能会遭遇惨败。研究人员并没有找到解决船舶设计问题的“灵丹妙药”，而是清晰地绘制了一张地图，标明了当前技术的短板以及如何跨越障碍。他们证明了，要真正实现复杂机器的设计自动化，我们必须教会计算机观察全局，而不仅仅是那些容易测量的部分。船舶设计的未来在于一种协作关系：由计算机处理生成想法的繁重工作，而人类专家则在拥有更好工具的辅助下，引导这些想法走向高效、安全且稳健的现实。