Mot effektiva CFD-simuleringar via fysikinformerad maskininlärning

I dag är det både tidskrävande och kostsamt att göra analyser och scenarier över hur olika flöden kommer att se ut under olika förutsättningar. I detta projekt undersöks hur processen kan göras betydligt snabbare och enklare med hjälp av bland annat maskininlärning.

Beräkningsströmningsdynamik ( Computational fluid dynamics, CFD ) är viktigt inom områden som flyg, bilindustrin, energi, kemisk industri, miljö, jordbruk, väderprognoser, bygg och medicin. Men att använda CFD tar tid och resurser vilket leder till begränsningar såsom färre granskade designidéer, höga kostnader för testning, långsamma processer och minskad produktivitet.

Detta projekt syftar till att göra CFD snabbare genom att kombinera det med modern maskininlärning. Snabbare beräkningar kommer att underlätta och öka precisionen inom många områden. Ett konkret exempel är i beslutsfattande inför byggen av vindkraftverk, då simuleringar används för att förbättra designen innan man bygger dyra prototyper.
Forskning visar att vår typ av metod kan vara många gånger snabbare än traditionell CFD, vilket innebär att man på sikt skulle kunna använda den även i akuta situationer, såsom vid katastrofhjälp i realtid.

Ambitionen i detta första steg är att bygga en inledande, öppen källkodsversion av ett nytt bibliotek för krävande CFD-simuleringar som kan simulera exempelvis turbulens. En annan viktig del i projektet är att bygga upp ett konsortium som tillsammans ska utveckla arbetet vidare. Konsortiet kommer att bestå av relevanta aktörer och intressenter från både privat och offentlig sektor.

I projektets referensgrupp deltar SMHI, Ramboll och innovationsnätverket WIN Guard, som samlar räddningstjänster och har nära samverkan med MSB, Myndigheten för samhällsskydd och beredskap.
Är din organisation intresserad av projektet och kanske vill ansluta finns goda möjligheter till samverkan. Kontakta gärna någon av oss i projektet!