近日，来自瑞士洛桑联邦理工学院和香港科技大学的两名中国博士生魏震、杨奥博联合西北工业大学教授李记超开发了一款基于深度学习的几何引擎，成功突破传统飞机外形优化方法的局限，依靠深度神经网络实现全自动几何参数化，为航空航天设计带来高效且精准的智能化解决方案。该研究成果获得了美国航空航天学会的多学科设计优化最佳论文奖。
气动外形优化是航空设计中的核心技术，可以提升燃油效率、降低阻力，提高飞行器的性能。目前，主流的仿真设计方案高度依赖人工干预，耗时长、自动化程度不足，制约了效率的提升。
“这款引擎可以自主学习几何变形规律，在多个验证案例中，它在形状自由度和优化性能方面均优于现有的自由形变方法，且不再依赖人工调整参数，以往这需要耗费设计人员几个月的时间。”研究人员告诉科技日报记者。
此外，该几何引擎无需庞大的数据集或烦琐的超参数调整，大幅降低了开展气动优化的复杂度和成本。“我们已经对接了多款现有的数值仿真工具，开展了飞行器复杂气动外形的优化设计工作，相信该几何引擎可在航空航天、汽车、能源、工业制造等多个领域发挥重要价值。”李记超说。
