Моделирование поведения жидкостей и газов традиционно требует решения миллиардов уравнений, что создаёт огромные вычислительные сложности: даже сильнейшим суперкомпьютерам потребовались бы десятилетия для этого. Однако исследователи из Вашингтонского университета под руководством Стивена Брантона предложили альтернативный путь. Они разработали подход, позволяющий искусственному интеллекту находить способы оптимизации гидродинамики, минуя необходимость прямых сверхсложных расчётов.
Для обучения алгоритмов команда создала специальную платформу HydroGym. В этой среде цифровые агенты использовали метод обучения с подкреплением, анализируя поведение жидкости вокруг виртуальных объектов и регулируя потоки. Несколько ИИ-агентов действовали координированно методом проб и ошибок, что стало новым шагом в решении масштабных задач аэродинамики.
Главным прорывом стала способность алгоритма переносить полученные знания с простых сценариев на сложные. Обучившись контролю турбулентности в обычном канале, ИИ смог успешно применить этот опыт к трёхмерной модели крыла самолета без предварительного детального моделирования этой системы. В результате алгоритм смог снизить энергозатратное аэродинамическое трение между крылом и средой на 38%, подтвердив, что машина усвоила общие физические принципы движения жидкостей.
Разработчики рассчитывают, что их ИИ станет стандартным тестовым инструментом в гидро- и аэродинамике по аналогии с ролью системы AlphaFold в исследовании белков. Если платформы вроде HydroGym станут общепринятым стандартом, мы увидим не только появление сверхэффективных самолётов и кораблей, но и масштабное сокращение углеродного следа без ожидания новых поколений процессоров.