近日，西北工业大学教授李记超，与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、杨奥博合作，开发出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繁琐的超参数调整，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。
