Спойлер: Это CEM, а нейросеть или LLM.
Введение
В середине 2024 года все СМИ опубликовали новость – ИИ самостоятельно спроектировал ракетный двигатель, который прошел успешные испытания.
При этом шел намек, что это специально обученная нейросеть, которую две недели обучали неизвестно на чем.
Казалось бы – вот он, прорыв! Обучи нейросеть – и с космонавтикой будет всё в ажуре!
Так ли это? С одной стороны – не так, ни LLM, ни какие-либо другие новомодные нейросети не могли, не могут и никогда не смогут спроектировать что-то стоящее и по-настоящему новое.
Но вот использование инженерных вычислительных моделей с учетом новых возможностей вычислительной техники действительно могут привести к революционным результатом. Во только можно ли их назвать ИИ?
LEAP71 и её успехи
В середине 2024 году LEAP71 отчиталась об огневых испытаниях первого, спроектированного при помощи ИИ, ракетного двигателя:
При этом в новостях была небольшое лукавство - никакой ИИ не проектировал двигатель, проектировались и разрабатывались только камера сгорания и сопло. Самые важные части, но не более того.
Немного пройдемся по хронологии событий:
Март 2024 года. Демонстрация достижения вычислительных моделей, поиск технологических партнеров для изготовления двигателей… громадьё планов…
Июнь 2024 первые испытания.
Ракетный двигатель Noyron TKL-5, работающий на жидком кислороде и керосине, с первой попытки показал отличные результаты, развив тягу в 5 кН, выдав ожидаемые 20 000 лошадиных сил. Фотографии даны выше.
С июня 2024 года по декабрь 2025 года – испытание двигателей каждые 4 месяца… Двигатели печатались на 3D-принетрах EOS и HBD из сплава CuCuZr, Inconel 718 и AlSi10Mg. Топливо – керосин и жидкий кислород и жидкий метан-жидкий кислород. Тяга двигателей от 1,5 до 200 кН.
Огневые испытания – 12…15 секунд. Короткие испытании связаны с тем, что разрабатываются не двигатели, как таковые, а только камеры сгорания и сопла – без систем управления, топливоподачи и прочего и длительность огневых испытаний ограничивается возможностями стендов.
В планах – перейти к тестированию двигателя тягой 2000 кН (200тс) в 2026 году. Если найдется оборудование, способное его напечатать.
Так же предприятие работает и в смежных направлениях – в ноябре 2025 года отчиталось о разработке и печати предохранителя для гиперзвукового реактивного двигателя. А так же были спроектированы новый электродвигатель и какие-то теплообменники.
Каким образом LEAP71 удается все это проектировать?
При помощи специального программного обеспечения, состоящее из двух элементов.
Первый элемент - особое геометрическое ядро, отличающееся от традиционных CADов. Если геометрические ядра («движки») традиционных CADов (их, кстати, немного) «заточены» под отображение точной геометрии, то геометрическое ядро от LEAP71 PicoGK «заточено» для облегчения инженерных расчетов в CAE или аналогичных системах. Ядро называется PicoGK (произносится [piːkɑːk] – созвучно слову «павлин») расшифровывается как Pico (tiny) Geometry Kernel – маленькое геометрическое ядро. Он с открытым исходным кодом и выложенное на гитхабе.
Вторым элементом является вычислительная модель – Noyron, набор формул, математических моделей, алгоритмов и ограничений. На текущий момент разработаны Noyron RP для ракетных двигателей, Noyron EA для электромагнитных приводов и средств передвижения и Noyron HX для проектирования теплообменников.
Для проектирования двигателя в Noyron RP задается тип топлива, желаемая тяга, давление в камере сгорания, основные ограничения и желаемая геометрия. Далее – путем последовательных оптимизаций система проектирует камеру сгорание и сопло. Ну а испытания нужны для подтверждения правильности математических моделей.
Такие системы принято называть CEM (Computational Engineering Model) – вычислительные инженерные модели. Вычислительная модель - разновидность математической модели, в которой дифференциальные и интегральные уравнения заменены вычислительными алгоритмами, что позволяет вести приближенное численное моделирование без решения интегрально-дифференциальных уравнений.
Подчеркиваю – все математические модели, формулы, алгоритмы, табличные данные и прочее – загружаются вручную, и судя по всему, корректируются по мере испытаний двигателей. Никакого отношения к нейросетям эта CEM не имеет, а представляет собой продвинутый вариант симбиоза CAD и CAE.
Заключение
Лично я с большим скептицизмом отношусь к разрекламированным нейросетям, LLM, и прочим ИИ. Но в данном случае мы имеем вполне вменяемых разработчиков, которые четко понимают, чего и как они хотят добиться:
«Вы не можете попросить ИИ типа «черный ящик» сгенерировать самолет и затем довериться тому, что он будет работать. Никто не сядет в самолет, конструкцию которого не может понять ни один инженер».
В отличии от LLM и генеративных нейросетей, которые выдают каждый раз разный результат по одному запросу, в CEM мы имеем четкую детерминацию результата – при одних входных данных и одинаковом количестве итераций мы неизменно получим одну и ту же конструкцию. А сама CEM – не «черный ящик», а набор разработанных людьми математических моделей, алгоритмов и ограничений, которые всегда можно проверить, изменить, скорректировать.
Фактически это автоматизация рутинной работы инженера по оптимизации конструкции в CAE-системах. Ну, или дальнейшее развитие компьютерных программ топологической оптимизации, автоматической трассировки, поиска оптимальных решений.
Я думаю, именно за таким подходом – будущее, и очень жаль, то других аналогичных систем пока практически нет.
И да, с моей точки зрения, CEM никакого отношения к ИИ не имеют – они не самообучаемы и действуют в пределах математических моделей, разработанных людьми.
Предыдущая статья про ИИ и нейросети: