Forscher von Caltech und Harvard nutzen maschinelles Lernen, um Flugzeugdesigns sicherer, widerstandsfähiger und effizienter zu gestalten. Quantencomputer könnten dabei helfen, die enormen Datenmengen in turbulenten Luftströmungssimulationen zu verarbeiten.

Turbulente Luftströmungen sind chaotisch und unberechenbar, wie die Stöße, die man während eines Fluges in turbulenten Lufträumen spürt. Mit einem besseren Verständnis turbulenter Luftströmungen könnten Flugzeugdesigns sicherer, widerstandsfähiger und letztendlich kraftstoffeffizienter werden. Jetzt haben Forscher am Caltech und Harvard einen Weg gefunden, maschinelles Lernen einzusetzen, um den Entwurfsprozess weiter zu verbessern. Obwohl neue Entwürfe in groß angelegten Windkanalexperimenten effektiv getestet werden können, ist es kosten- und zeitintensiv, diese Tests für jede der hunderten von Prototypen im Entwurfsprozess zu wiederholen. Computersimulationen turbulenter Luftströmungen bieten eine kostengünstigere und schnellere Lösung. Der Haken ist jedoch, dass eine wirklich genaue Simulation Auflösungen erfassen muss, die so fein sind wie die winzigen Staubpartikel, die den Luftstrom um ein Flugzeug beeinflussen, sowie Auflösungen, die so groß sind wie die Erde selbst - und das ist ebenfalls extrem zeitintensiv. Um dieses Problem zu umgehen, konzentrieren sich die Forscher auf die Modellierung der Struktur der turbulenten Strömung in der Nähe einer festen Grenze oder Wand, also in den Bereichen, die an die Oberfläche eines Flugzeugs angrenzen. Die Verwendung von maschinellem Lernen ermöglicht es, diese Modelle anzupassen und weiterzuentwickeln, um komplexere Flugzeugformen und Strömungsbedingungen zu berücksichtigen. Quantencomputer könnten in Zukunft dazu beitragen, die enormen Datenmengen in diesen Simulationen effizienter zu verarbeiten und so die Entwicklung sichererer und effizienterer Flugzeugdesigns zu beschleunigen.