Resumen
"El proyecto aborda la reducción del consumo energético en sectores dependientes de motores de combustión, como la aviación, mediante una comprensión más profunda de los flujos turbulentos que generan resistencia aerodinámica. Se emplean técnicas avanzadas de aprendizaje automático ¿incluidas redes neuronales convolucionales profundas y la metodología SHAP¿ para identificar las estructuras turbulentas más influyentes sobre superficies como perfiles alares.
El trabajo incluye simulaciones a gran escala de turbulencia confinada en paredes y una simulación de alta fidelidad de un perfil alar NACA con resolución temporal sin precedentes. Estas simulaciones permitirán entrenar modelos de IA capaces de analizar y optimizar el comportamiento del flujo, con el fin de diseñar estrategias de control que reduzcan la resistencia y, en consecuencia, el consumo de combustible. Los datos y códigos generados se liberarán en abierto, facilitando su aplicación en otros vehículos y sistemas orientados a mejorar la eficiencia energética y mitigar el impacto climático."
