arXivは2026年9月2日(現地時間)、論文「A Data Fusion Framework for Grounding Aerospace Surrogate Model via Experimental Wind-Tunnel Observations」を発表した。高精度な計算流体力学 (CFD) データで訓練された空力サロゲートモデルは、シミュレーションと実際の実験観測との系統的な不一致により、予測精度に限界があった。研究チームは、この課題を解決するため、風洞の圧力感応塗料 (PSP) 測定値を用いてCFD訓練済みの深層学習サロゲートモデルを適応させる実験的補正フレームワークを開発。これによりモデルの予測精度が大幅に向上したことを実証した。
本研究では、幾何学的変動、マッハ数0.70〜0.85、および迎角0〜4度にわたるNASA共通研究モデル (CRM) 翼胴構成の2,300の高精度CFDシミュレーションで訓練されたジオトランソルバー (Geotransolver) サロゲートが使用された。このサロゲートは、CFDによる統合された空力抗力とピッチングモーメントを決定係数 (R2) > 0.99で再現するものの、実験データとは一致しないという課題を抱えていた。
研究チームは、このサロゲートを再訓練することなく実験情報を組み込むため、補正ネットワークを訓練した。このネットワークは、同じ迎角範囲で2つの自由流マッハ数（0.70および0.85）における空間的に登録された圧力感応塗料 (PSP) 測定値に基づいて構築された。これにより、サロゲートが予測した表面圧力分布と実験的に測定された表面圧力分布との間の不一致を効果的に学習させた。
マッハ数0.85での評価では、この補正手法が、特に翼の吸引ピーク、衝撃位置、およびその後の圧力回復において、PSP測定値との一致を大幅に改善することが示された。予測誤差の大きさと、濡れた表面で圧力係数 (Cp) が0.05を超える割合の両方が減少した。これは、限られた実験データセットから、訓練済みサロゲートのパラメータを変更することなく達成された成果である。
保持された迎角において、補正されたサロゲートは測定値とCp範囲の2.3〜2.7%以内で一致し、テストされたすべての状態において測定条件間の直接補間を上回る結果を示した。この研究は、実験測定が、系統的なCFDと実験間の不一致を学習しつつ、その汎化能力と計算効率を維持することで、大規模シミュレーション訓練サロゲートの基礎を築ける可能性を示唆している。
参考: arXiv cs.LG — 2026年9月7日 13:00 (JST)
原文ハイライト"A Data Fusion Framework for Grounding Aerospace Surrogate Model via Experimental Wind-Tunnel Observations"