科学机器学习为快速火箭发动机设计铺平道路

“这不是火箭科学”可能是个陈词滥调，但这并不意味着设计火箭就不会那么复杂。时间，成本和安全性禁止使用物理构造“试错法”来测试测试火箭的稳定性。但是，即使是计算仿真也非常耗时。例如，对整个SpaceX Merlin火箭发动机的一次分析可能需要数周甚至数月的时间才能使超级计算机提供令人满意的预测。

德克萨斯大学奥斯汀分校的一组研究人员正在开发新的“科学机器学习”方法来应对这一挑战。科学机器学习是一个相对较新的领域，它将科学计算与机器学习融合在一起。通过将物理建模与数据驱动的学习相结合，可以创建降阶模型-仿真可以在很短的时间内运行，从而使其在设计环境中特别有用。

由Oden计算工程与科学研究所的Karen Willcox领导的这项工作的目标是为火箭发动机设计人员提供一种快速的方法，以评估各种操作条件下的火箭发动机性能。

Willcox说：“火箭工程师倾向于在构建和测试之前在计算机上探索不同的设计。” “物理构建和测试不仅耗时且昂贵，而且还很危险。”

但是，火箭发动机的稳定性(必须能够承受任何飞行过程中的各种不可预见的变化)是至关重要的设计目标，工程师必须确信他们已经满足了这一要求，才能使任何火箭都能起飞。

表征火箭发动机稳定性所需的成本和时间归结为问题的复杂性。许多变量会影响发动机的稳定性，更不用说在火箭飞行过程中事物发生变化的速度。

由Willcox合着并由AIAA Journal在线发表的最新论文概述了Willcox的研究。它是由空军科研办公室和空军研究实验室资助的火箭燃烧动力学多保真度建模卓越中心的一部分。