Des chercheurs de Caltech et Harvard ont développé une méthode pour utiliser l'apprentissage automatique afin d'améliorer la conception des avions, rendant les futurs vols plus sûrs et plus économes en carburant. Les simulations de flux d'air turbulent sont coûteuses et prennent du temps, mais cette nouvelle approche pourrait changer la donne.

Les flux d'air turbulents sont chaotiques et imprévisibles, comme les secousses que l'on peut ressentir lors d'un vol en avion traversant de l'air turbulent. Avec une meilleure connaissance des flux d'air turbulents, la conception des avions pourrait devenir plus sûre, plus résistante et finalement plus économe en carburant. Désormais, des chercheurs de Caltech et Harvard ont développé un moyen d'utiliser l'apprentissage automatique pour améliorer encore le processus de conception. Bien que les nouvelles conceptions puissent être testées efficacement dans des expériences en soufflerie à grande échelle, répéter ces tests pour chacun des centaines de prototypes créés au cours du processus de conception est prohibitif en termes de coûts et de temps. Les simulations informatiques des flux d'air turbulents offrent une solution moins chère et plus rapide. Cependant, la capture de résolutions aussi fines que les minuscules particules de poussière qui influencent le flux d'air autour d'un avion et aussi grandes que l'échelle de la Terre est également très longue. Jane Bae, professeure adjointe en aérospatiale, et Petros Koumoutsakos, professeur d'ingénierie et de sciences appliquées à Harvard, ont développé un modèle de paroi utilisant une variante semi-supervisée de l'apprentissage automatique, appelée apprentissage par renforcement, pour tenir compte de la forme complexe d'un avion. Cette approche permet d'adapter les simulations aux différentes configurations de flux et pourrait offrir un moyen d'économiser du temps et de l'argent pour les simulations de flux d'air turbulent. Leur article, publié le 17 mars dans Nature Communications, jette les bases pour développer un tel modèle.