BML मुंजाल युनिव्हर्सिटीने विकसित केली AI-आधारित फ्लुइड डायनॅमिक्स पद्धत

TECHNOLOGY
Whalesbook Logo
AuthorTanvi Menon|Published at:
BML मुंजाल युनिव्हर्सिटीने विकसित केली AI-आधारित फ्लुइड डायनॅमिक्स पद्धत

BML मुंजाल युनिव्हर्सिटीच्या संशोधकांनी PI-OHAM नावाची एक नवीन गणितीय पद्धत सादर केली आहे, जी क्लिष्ट फ्लुइड डायनॅमिक्स (Fluid Dynamics) कॅलक्युलेशन्सना गती देते. जरी हे सध्या एक शैक्षणिक नविन उपक्रम असले तरी, एरोस्पेस, ऑटोमोटिव्ह आणि थर्मल मॅनेजमेंटसारख्या क्षेत्रांसाठी ही पद्धत भविष्यकाळात एरोडायनॅमिक (Aerodynamic) आणि उष्णता हस्तांतरण (Heat Transfer) सिम्युलेशनला गती देऊन कार्यक्षमतेचे महत्त्वपूर्ण फायदे देऊ शकते.

AI च्या मदतीने फ्लुइड डायनॅमिक्समध्ये क्रांती

BML मुंजाल युनिव्हर्सिटीच्या स्कूल ऑफ इंजिनिअरिंग अँड टेक्नॉलॉजी येथील संशोधकांनी अभियांत्रिकीमध्ये फ्लुइड डायनॅमिक्सचे सिम्युलेशन (Simulation) कसे करावे यात सुधारणा करण्याच्या उद्देशाने एक नवीन संगणकीय पद्धत विकसित केली आहे. या तंत्रज्ञानाला फिजिक्स-इन्फॉर्म्ड ऑप्टिमल होमोटोपी ॲनालिसिस मेथड (Physics-Informed Optimal Homotopy Analysis Method) म्हणजेच PI-OHAM असे नाव देण्यात आले आहे. यात पारंपरिक गणितीय दृष्टिकोन आणि AI-चालित पॅरामीटर सिलेक्शन (Parameter Selection) यांचा संगम साधण्यात आला आहे.

कशासाठी आहे ही नवीन पद्धत?

विमान, वाहने आणि इलेक्ट्रॉनिक कूलिंग सिस्टीम (Electronic Cooling Systems) डिझाइन करण्यासाठी आवश्यक असलेल्या हवेच्या प्रवाहाचे मॉडेलिंग (Modelling) करणाऱ्या क्लिष्ट नॉन-लिनियर समीकरणांना (Non-linear Equations) सामोरे जाण्यासाठी हे तंत्रज्ञान तयार केले आहे. विशेषतः एरोडायनॅमिक्स आणि उष्णता हस्तांतरण (Heat Transfer) क्षेत्रात, पृष्ठभागाजवळ हवेचा अत्यंत पातळ थर, ज्याला बाउंड्री लेयर (Boundary Layer) म्हणतात, तो ड्रॅग (Drag) आणि ऊर्जा कार्यक्षमता ठरवण्यात महत्त्वाची भूमिका बजावतो. या थराचे मॉडेलिंग करणे पारंपरिकरित्या वेळखाऊ आणि संगणकीयदृष्ट्या जड होते.

PI-OHAM चे फायदे

सध्याच्या फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स (PINNs) सारख्या पद्धतींमध्ये पारदर्शकतेचा अभाव असतो, तर पारंपारिक गणितीय पद्धतींना अचूक उत्तर मिळण्यास जास्त वेळ लागतो. PI-OHAM या दोन्हीतील अंतर भरून काढण्याचा प्रयत्न करते. क्लासिक होमोटोपी ॲनालिसिस मेथडची (Homotopy Analysis Method) गणितीय पारदर्शकता कायम ठेवत AI चा वापर करून पॅरामीटर्सचा शोध स्वयंचलित (Automate) आणि ऑप्टिमाइझ (Optimize) केल्यामुळे कार्यक्षमतेत लक्षणीय वाढ होते, असा संशोधकांचा दावा आहे. सुरुवातीच्या चाचण्यांमध्ये, ब्लॅसियस इक्वेशन (Blasius Equation) सारख्या फ्लुइड डायनॅमिक्सच्या प्रमाणित समस्येवर, या पद्धतीला 50 सेकंदांपेक्षा कमी वेळात उच्च अचूकता मिळाली, तर पारंपरिक पद्धतींना हजारो सेकंद लागले.

गुंतवणूकदारांसाठी काय?

सध्या हे तंत्रज्ञान संशोधनाच्या सुरुवातीच्या टप्प्यात आहे आणि ते थेट शेअर बाजारातील घटना नसून शैक्षणिक संशोधनातील एक महत्त्वपूर्ण अपडेट आहे. हायपरसॉनिक वाहन विकास (Hypersonic Vehicle Development), सौर औष्णिक प्रणाली डिझाइन (Solar Thermal System Design) आणि प्रगत इलेक्ट्रॉनिक्स उत्पादन (Advanced Electronics Manufacturing) यांसारख्या क्षेत्रांमध्ये याचा प्रत्यक्ष उपयोग भविष्यातील अवलंबनावर अवलंबून असेल. भविष्यात इंजिनिअरिंग सॉफ्टवेअरमध्ये किंवा प्रमुख उत्पादन आणि एरोस्पेस कंपन्यांच्या डिझाइन प्रक्रियेत या पद्धतींचा समावेश झाल्यास, डिझाइन खर्च कमी होण्यास आणि उत्पादनांची कार्यक्षमता सुधारण्यास मदत होऊ शकते.

Disclaimer: This article is published for informational purposes only. This is not a buy sell recommendation.