1960'ların ortalarında yarış otomobillerine kanatların eklenmesinden bu yana, aerodinamik yarışlarda her şey haline geldi. O zamana kadar odak noktası otomobili mümkün olduğunca kaygan hale getirmekti; daha az sürüklenme, düzlüklerde daha fazla azami hız anlamına geliyordu. Ardından, Chaparral'dan Jim Hall ve Lotus'tan Colin Chapman gibi tasarımcılar, otomobili yere bastırmak için havayı kullanabileceklerini fark ettiler, böylece yol tutuşu artırıldı ve virajlarda daha hızlı dönülmesini sağlandı. O zamandan beri hiçbir şey eskisi gibi olmadı.
Aerodinamik bastırma kuvvetini bulmak, bir nevi karanlık bir sanat olarak başladı. Ölçekli otomobil modelleri üzerindeki etkisini simüle etmek için rüzgar tünellerinin kullanılması henüz emekleme aşamasındaydı, bu yüzden takımlar çoğunlukla pahalı ve bazen tehlikeli pist testleriyle sınırlıydı. Ancak rüzgar tünelleri gece gündüz, yağmur çamur demeden çalışabilir ve bu süreçte bir otomobil kazası yapıp bir sürücüyü (veya daha kötüsünü) yaralayamazsınız. F1 pist testlerini kısıtlamaya başladığında, bütçeleri kesmeye yardımcı olmak amacıyla rüzgar tüneli çalışmaları daha da önem kazandı. Sonuç olarak, takımlar izin verilen sınırlı test oturumlarında sonuçları doğrulamadan önce modellerle mümkün olduğunca çok çalışma yaparlardı.
Ardından hesaplamalı akışkanlar dinamiği (CFD) simülasyonu geldi. Yarışta herkes rakiplerine karşı bir avantaj arar ve sanal bir otomobil modeli üzerindeki hava akışının etkisini belirli bir doğrulukla modellemek nihayet mümkün hale geldi. CFD simülasyonları sadece rüzgar tüneli süresinden daha ucuz değil, aynı zamanda yinelemelerde de çok daha hızlıydı. Erken tasarım çalışmaları artık dijital ortamda (in silico) yapılıyor ve ardından rüzgar tünelinde ölçekli modellerle doğrulanıyor, çünkü Formula 1, Dünya Dayanıklılık Şampiyonası, Formula E ve NASCAR dahil olmak üzere çoğu seri, pist testlerini sıkı bir şekilde kısıtlamış durumda.
Ancak CFD'nin yetenekleri arttıkça maliyeti de arttı. Bir otomobili modellemek binlerce işlemci saati, kafa ve sapma gibi şeylerin etkisini keşfetmeye başladığınızda ise on binlerce saat daha sürebilir. Bu da yarış otomobili takımları için yeni bir darboğaz haline geldi ve bu nedenle giderek daha fazla yapay zekaya (AI) bir sonraki yardımcıları olarak bakıyorlar.
Ah, yine yapay zeka
Bir ofis ortamının aksine, yarış otomobili tasarımında saklanacak hiçbir yer yoktur: Ya otomobil rekabetçidir ya da değildir. Bir araç bunu başarmaya yardımcı olmuyorsa, kimsenin patronu onu kullanmalarını söylemez. Bugün, yapay zeka destekli modeller, geleneksel olarak saatler süren simülasyonları saniyeler içinde çalıştırabilen yapay zeka vekillerini eğitmenin mümkün olduğunu gösteren yeni araştırmalar yayınladı ve bunu karşılaştırılabilir hata marjlarıyla gerçekleştiriyorlar.
Bu çalışma kapsamında, devasa bir CFD verisi seti ile eğitilen yeni bir yapay zeka algoritması, LMP2 spor prototipi (Le Mans'daki en hızlı ikinci sınıfı düşünün) üzerinde kullanıldı. Şimdiye kadar, halka açık CFD modelleri pürüzsüz yol otomobili şekillerine odaklanmıştı, ancak bu veri seti, dönen tekerleklerin oluşturduğu türbülansların otomobilin altındaki havanın akışıyla nasıl etkileşime girdiğini hem sabit durumda hem de viraj alma koşullarında modellemeye olanak tanıdı.
Yapay zeka modelinin, diğer halka açık araçlardan daha iyi çalıştığı ve özellikle sürüklenme ve bastırma kuvveti katsayılarını modellemede geleneksel bir CFD simülasyonu kadar doğru olduğu gösterildi. Ancak bunu, eşdeğer bir CFD kampanyasının gerektireceği binlerce saatlik işlem süresine kıyasla, tek bir işlemci üzerinde saniyeler içinde başardı.
F1'de Durum Nedir?
F1'in seçkin dünyasında, CFD çalışmalarını artırmak için yapay zeka kullanımı birkaç sezondur devam ediyor. Gerçek dünya testlerini sınırlamakla yetinmeyen F1, artık bir takımın rüzgar tünelini (sadece %60 ölçekli olabilir) kullanabileceği saat sayısını ve CFD simülasyonlarının saat sayısını da sıkı bir şekilde kısıtlıyor. Bu kısmen maliyetleri düşürmek için yapılıyor, ancak performansı dengelemek için de kullanılıyor; bir yıl şampiyonada ne kadar üst sıralarda bitirirseniz, o kadar az rüzgar tüneli ve CFD süresi hakkınız olur.
Bu nedenle, Red Bull gibi takımlar, en az dört F1 takımının makine öğrenimini kullanarak aerodinamiği ve hibrit güç ünitesinin batarya paketindeki hücreleri soğutma gibi zorlukları modellemesine yardımcı olan bir startup olan Neural Concept'e yöneldi.
Bu yapay zeka araçlarının, sahip olunan CFD kredilerinden, pist testlerinden ve dahili zamandan elde edilebilecek tüm değeri en üst düzeye çıkarmanın bir yolu olduğu belirtiliyor. Ancak CEO ve kurucu, bu durumun her zaman sihirli olmadığını, modelin doğruluğunun yalnızca belirli bir durum aralığı içinde garanti edildiğini ve bu durumun zaten keşfedilmiş olanlara çok uzak olmayan durumlar olduğunu vurguluyor. Bu nedenle, asıl marifet, doğru iş akışlarını bulmak, daha sonra hangi yapılandırmaları hangi tür ortamlarda keşfedebilmek için ne tür verilere ihtiyaç duyulduğunu belirlemek ve modelin ne sıklıkla yeniden eğitilmesi gerektiğini anlamak gibi veri hijyeni konularını kapsıyor.
