GenAI在航空航天领域的应用：优化设计与材料，推动创新与民主化

从核热火箭到高超音速飞机，当今的航空航天系统日益复杂，依赖于更轻的 3D 打印材料以及先进的结构，这些结构可能包括多种材料和热管理技术。3D 打印提供的形式控制意味着这些组件异常复杂，需要航空航天工程师开发创新的设计方法。毫不奇怪，一些最有前途的方法利用了生成人工智能 (GenAI)，它将在 1 月在佛罗里达州奥兰多举行的 2025 年 AIAA 科学技术论坛上亮相。

“GenAI 不仅仅是 ChatGPT；它在工程设计中具有应用，并且在不久的将来将用于关键工程部件，”麻省理工学院航空航天系 Esther and Harold E. Edgerton 副教授 Zachary Cordero 说，他将在论坛的两场会议上发言。 GenAI 系统利用海量数据集自主生成新颖的解决方案和设计，增强各个领域的创新和应用。

“如果拥有大量数据，GenAI 就会非常强大，”机械工程助理教授 Faez Ahmed 指出。Faez Ahmed 是麻省理工学院计算科学与工程中心 (CCSE) 下属的设计计算与数字工程 (DeCoDE) 实验室的负责人。该中心是一个专注于计算创新方法和应用的跨学科研究和教育中心。Ahmed

补充道，学习模型缺乏数据（GenAI 训练所需的氧气）是最大的瓶颈。“每当有人说 GenAI 不起作用时，很多时候不是模型的问题，而是缺乏数据。”

DeCoDE 实验室通过创建设计数据集来弥补这一差距，通常是通过执行大量高保真工程模拟，包括最近为汽车行业开展的工作。该实验室创建了最大、最全面的空气动力学汽车设计多模态数据集之一，名为 DrivAerNet++，其中包含 8,000 种不同的汽车设计，这些设计均采用高保真计算流体力学模拟建模。Ahmed

强调，他的麻省理工学院团队并不总是使用来自优秀设计的数据，同时也开发了利用负面数据的方法，因为糟糕的设计“成本低廉且更容易获得”。Cordero在麻省理工学院的航空材料和结构实验室正在通过开发新工艺和新材料，突破航天增材制造的界限。Cordero 正在与 Ahmed 和麻省理工学院研究科学家 Cyril Picard 合作开展美国国防部资助的下一代可重复使用火箭发动机设计研究项目。

据 Picard 介绍，该团队正在使用 GenAI 评估材料的机械和热性能，以指导 3D 打印多材料部件的设计，其“长期目标是使发动机性能更高、效率更高、重量更轻”。研究人员

表示，纵观整个航空航天领域，GenAI 提供了许多好处，从优化材料到减少扩大生产时昂贵的后期设计变更，再到实现快速验证和鉴定。

对 Ahmed 来说，GenAI 最大的好处不仅仅是更快地制造出更好的产品：它让人们有时间探索新的设计，同时也向传统航空航天领域以外的创新者开放设计。

“我个人对设计民主化的想法感到非常兴奋。从历史上看，设计一直局限于主要行业的总部。但有了 GenAI 这样的工具，我们可以挖掘那些有好主意但不一定是专家的人的创造潜力。”