La Rivoluzione del Design degli Aerei: il Quantum Computing incontra il Machine Learning!

I flussi d'aria turbolenti sono caotici e imprevedibili: pensate alle turbolenze che si possono sperimentare durante un volo in aereo. Con una maggiore conoscenza dei flussi d'aria turbolenti, i progetti degli aerei potrebbero diventare più sicuri, più resistenti e, in definitiva, più efficienti dal punto di vista del consumo di carburante. Ora, i ricercatori del Caltech e di Harvard hanno sviluppato un modo per utilizzare il machine learning per migliorare ulteriormente il processo di progettazione. Sebbene i nuovi progetti possano essere testati efficacemente in esperimenti a piena scala nelle gallerie del vento, ripetere tali test per ciascuno delle centinaia di prototipi creati nel processo di progettazione è proibitivamente costoso e richiede molto tempo. Le simulazioni al computer dei flussi d'aria turbolenti offrono una soluzione più economica e veloce. Tuttavia, per ottenere una simulazione veramente accurata, è necessario catturare risoluzioni tanto fini quanto le minuscole particelle di polvere che influenzano il flusso d'aria intorno a un aereo, così come risoluzioni tanto grandi quanto la scala della Terra, il che è anch'esso proibitivamente dispendioso in termini di tempo. C'è però una soluzione alternativa: concentrarsi sulla modellazione della struttura del flusso turbolento vicino a un confine solido o parete, cioè nelle aree adiacenti alla superficie di un aereo. Infatti, il flusso in queste aree vicino alla parete può essere simulato con modelli che utilizzano griglie relativamente 'grosse' delle dimensioni di un cubo di 10x10 metri, invece di griglie più fini delle dimensioni di una minuscola particella di polvere. Il modello risultante funziona anche come proxy per il flusso turbolento nelle aree più lontane dalla parete, stimando quei modelli di griglia più fini senza doverli risolvere completamente.