Modelování proudění kolem leteckého profilu pomocí grafových neuronových sítí

Abstract

V bakalářské práci podáváme přehled využití strojového učení ve výpočetní dynamice tekutin. Implementovali jsme nejmodernější grafovou neuronovou síť pro simulaci proudění vzduchu kolem profilu křídla ve 2D. Trénujeme model na nižších rychlostech a úhlech náběhu, následně extrapolujeme na vyšší. Natrénovali jsme model, který extrapoluje s malou chybou přesnosti a zůstává stabilní po dlouhý počet simulačních kroků.

In this thesis we reviewed uses of machine learning in computational fluid dynamics. We then implemented a state-of-the-art graph neural network to simulate the flow around an airfoil in 2D. We train the model at lower speeds and angles of attack and then extrapolate to higher ones. We trained a model that extrapolates with a small precision error and remains stable on long rollouts.