Репортаж от Wedoany，Итальянская группа Dallara и американская компания IBM 30 апреля 2026 года официально объявили о сотрудничестве в совместной разработке фундаментальной AI-модели на основе физики для ускорения аэродинамического проектирования и оптимизации высокопроизводительных автомобилей, а также о запуске исследовательского применения квантовых вычислений в рабочем процессе проектирования. Dallara является ведущим мировым производителем гоночных и высокопроизводительных автомобилей, эксклюзивно поставляя шасси для таких топовых серий, как IndyCar, Formula 2, Formula 3, Super Formula и Indy NXT, а также обслуживая серии Formula E, WEC и IMSA. Её инженерные компетенции также распространяются на сферу высокопроизводительных дорожных автомобилей и аэрокосмическую отрасль.
Ключевым технологическим инструментом этого сотрудничества является модель графовой нейронной сети GIST, разработанная исследовательским подразделением IBM. Согласно совместному пресс-релизу, в ходе раннего тестирования на объекте, аналогичном прототипу Ле-Мана 2, инженеры разработали несколько геометрических конфигураций заднего диффузора — ключевого компонента, расположенного под задней частью автомобиля и создающего прижимную силу для улучшения сцепления с дорогой. Эти конфигурации были оценены с использованием традиционных методов CFD и физической AI-модели IBM. Традиционный CFD затратил несколько часов на расчет всех конфигураций, в то время как AI-модель выполнила ту же оценку примерно за 10 секунд, определив то же оптимальное решение с погрешностью, сопоставимой с CFD. По оценкам Dallara, применение этой AI-суррогатной модели для оценки типичных сотен геометрических конфигураций может сократить время симуляции с нескольких дней до нескольких минут.
Технологический прорыв модели GIST заключается в когнитивном переходе от «облака точек» к «сеточной топологии». Ранее графовые модели для прогнозирования аэродинамических сил обычно рассматривали сетку гоночного автомобиля как простое облако точек, что могло быть достаточным для обычных легковых автомобилей, но для чрезвычайно тонких аэродинамических элементов, таких как передние дефлекторы или закрылки Герни на заднем крыле, две точки, физически соседствующие в сеточной структуре, могут испытывать совершенно противоположные силы. GIST одновременно кодирует координаты узлов сетки и их связи, более точно улавливая топологию сетки и выдавая результаты, более соответствующие физическим законам при прогнозировании сложных компонентов. Чтобы снизить сложность масштабирования графового трансформера, исследователи использовали метод случайных проекций для генерации графовых эмбеддингов и разработали калибровочно-инвариантную архитектуру, обеспечивающую бесшовное обобщение модели между различными проекциями эмбеддингов и плотностями сетки.
Данные для обучения модели получены из собственных высокоточных данных аэродинамического моделирования и глубокого технического опыта Dallara. На следующих этапах стороны планируют внедрить данные испытаний в аэродинамической трубе и на реальных трассах для дальнейшего повышения точности модели. Генеральный директор Dallara Андреа Понтремоли отметил, что переход от нескольких часов к секундам означает возможность выполнить гораздо больше итераций разработки за то же время, и что IBM является уникальным партнером, способным внедрить возможности квантовых вычислений в эти алгоритмы, что позволит достичь еще больших прорывов в будущем. Старший вице-президент IBM Research Алессандро Куриони заявил, что AI превращается в фундаментальную способность, интегрируемую во все рабочие процессы, и этот новый тип AI, обучающийся на данных, в сочетании с эволюцией алгоритмов позволяет инженерам совершать открытия принципиально иным способом, с ускорением на несколько порядков.
Директор по информационным технологиям Dallara Фабрицио Арбучи отметил, что высокопроизводительные автомобили являются идеальным полигоном для нейросетевых суррогатных моделей, а их потенциальное влияние выходит далеко за пределы гоночных трасс. Даже снижение аэродинамического сопротивления на 1-2% в сегменте легковых автомобилей в совокупности приведет к значительному повышению топливной эффективности. Поэтому, помимо предоставления более эффективных инструментов разработки для существующих гоночных проектов, таких как LMP2 и IndyCar, перспективы применения этой технологии распространяются на аэродинамическую оптимизацию серийных легковых автомобилей и аэрокосмической отрасли. IBM и Dallara одновременно запускают исследовательское применение квантовых вычислений, чтобы оценить, могут ли квантовые и гибридные квантово-классические вычисления еще больше расширить точность моделирования сложных аэродинамических задач. Соответствующие предварительные результаты уже опубликованы в препринте на arXiv.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
