Sedan vingar introducerades i motorsporten på 1960-talet har jakten på aerodynamiska fördelar varit konstant. Men i takt med att sporten har blivit mer tekniskt avancerad har de traditionella metoderna för simulering blivit en flaskhals. Nu står motorsporten inför ett paradigmskifte där artificiell intelligens är på väg att ersätta klassisk Computational Fluid Dynamics (CFD).
Flaskhalsen i traditionell simulering
Traditionell CFD-modellering är en extremt resurskrävande process. Att skapa en modell av en hel bil kan ta tusentals kärntimmar (core-hours), och om man ska simulera effekter av pitch och yaw kan det krävas tiotusentals timmar.
För Formel 1-stall är detta extra problematiskt då sportens regelverk sätter strikta gränser för hur många timmar i vindtunneln och hur många CFD-krediter varje team får använda. Dessa begränsningar baseras dessutom på stallens placering i mästerskapet, vilket tvingar ingenjörerna att vara extremt selektiva med sina tester.
GIST: AI-modellen som räknar på sekunder
För att lösa dessa utmaningar har IBM och chassitillverkaren Dallara publicerat forskning kring en fysikbaserad AI-modell kallad Gauge-Invariant Spectral Transformer (GIST).
Tekniken bakom GIST skiljer sig från traditionella metoder genom att använda:
- En punktmolnsrepresentation av data.
- Behandling av bilens yta som ett så kallat “manifold mesh”.
Det mest anmärkningsvärda med GIST är effektiviteten. Simuleringar som tidigare krävde tiotusentals kärntimmar kan nu köras på några få sekunder med en enda vanlig processor (CPU). I en studie med ett dataset från en Le Mans Prototype 2-bil (LMP2) kunde GIST med hög precision modellera koefficienter för både luftmotstånd och marktryck. Vid tester av bakre diffusionsvinklar mellan -2 och +4 grader matchade AI-modellen felmarginalerna hos konventionell CFD.
Red Bull och Neural Concept tar nästa steg
Det är inte bara IBM och Dallara som satsar på tekniken. Startup-bolaget Neural Concept samarbetar för närvarande med minst fyra Formel 1-stall, däribland Red Bull. De använder maskininlärning för att optimera både aerodynamik och kylning av batterier i hybridmotorer.
Enligt Pierre Baqué, VD för Neural Concept, gör AI det möjligt för stallen att skala upp från 1 000 CFD-körningar till 1 miljon datapunkter. Han betonar dock att framgången hänger på hög datahygien och att modellerna används inom specifikt utforskade konfigurationer för att bibehålla precisionen.
Sammanfattning av genombrottet
- Snabbhet: AI-simuleringar tar sekunder istället för tusentals kärntimmar.
- Precision: GIST-modellen matchar felmarginalerna i traditionell CFD vid aero-tester.
- Skalbarhet: Möjliggör upp till 1 miljon datapunkter för optimering av både chassi och batterikylning.
- Regelefterlevnad: Hjälper F1-stall att maximera utvecklingen inom ramen för begränsade testresurser.
