Network
Perangkat lunak ini bekerja dengan mewakili bahan bakar yang terbakar dalam tabel multidimensi yang besar, di mana setiap entri menyimpan snapshot api satu dimensi yang dijuluki "flamelets".
Tantangan dengan pendekatan ini, bagaimanapun, adalah bahwa ukuran set data ini berarti bahwa mereka membutuhkan sejumlah besar memori komputer untuk diproses.
Untuk mengatasi masalah ini, Dr Som dan rekan-rekannya di Argonne telah bekerja sama dengan NASA untuk menerapkan teknik pembelajaran mesin untuk membantu mengurangi persyaratan komputasi.
Jaringan saraf tiruan dapat memperoleh wawasan dari data dengan cara yang hampir sama seperti yang dilakukan otak manusia.
Oleh karena itu, dengan melatihnya di atas tabel flamelet, jaringan saraf dapat memperoleh jalan pintas ke "jawaban" tentang bagaimana perilaku pembakaran di dalam mesin super dan hipersonik.
Tim sebelumnya menggunakan pendekatan yang sama dalam studi yang melihat aplikasi subsonik.
Anggota tim Argonne, Dr Sinan Demir mengatakan: "Bekerja dengan NASA memberi kami kesempatan untuk mengintegrasikan pengembangan baru kami dalam kode dinamika fluida komputasi yang canggih."
Ini, tambahnya, akan membantu lebih meningkatkan pengembangan untuk desain yang lebih efisien dan optimalisasi jet hipersonik.
"Kemitraan antara Argonne dan NASA sangat berharga karena model dan perangkat lunak kami dapat diterapkan secara efektif untuk mereka."
“Ini adalah cara untuk melakukan simulasi dinamika fluida komputasi propulsi berkecepatan tinggi secara berbeda,” tambah dr Sinan Demir.
