Bu çalışma, hipersonik silindirler ve NACA64A ailesindeki kanat profilleri çevresindeki basınç, sıcaklık ve duvar ısı akısı alanlarını daha az sayıda pahalı yüksek doğruluklu CFD çözümüyle tahmin etmek amacıyla CIGRC adlı bir yöntem geliştirmiştir. CIGRC, “Contraction-Guided Implicit Graph Residual Correction” ifadesinin kısaltmasıdır ve Türkçede daralma kılavuzlu örtük grafik artık düzeltmesi olarak açıklanabilir. Yöntem önce bol miktardaki düşük doğruluklu CFD verisi ile sınırlı yüksek doğruluklu veriyi birleştiren çok doğruluklu derin sinir ağıyla başlangıç tahmini üretmekte, ardından bu tahminde kalan uzamsal hatayı CFD ağı üzerinde tanımlanan bir grafik alanı olarak düzeltmektedir.

Geleneksel açık grafik sinir ağlarında bilgi, önceden belirlenmiş sayıda mesaj iletme katmanından geçirilir. CIGRC’de ise artık durum, daralma koşulunu sağlaması amaçlanan bir grafik operatörünün sabit nokta dengesi olarak çözülmektedir. İlk aşamada kararlı bir statik artık düzeltmesi hesaplanmakta, ikinci aşamada ise kapı ve genlik sınırlarıyla denetlenen dinamik bir düzeltme eklenmektedir. Bu yapı, özellikle şok dalgası, ön kenar sıkışması, sınır tabakası ve iz bölgesinde uzamsal olarak örgütlenmiş hataları azaltmayı amaçlamaktadır.

Silindir testlerinde çok doğruluklu temel modelin ortalama basınç hatası %2,22 iken CIGRC ile %1,38’e; sıcaklık hatası %5,13’ten %4,31’e düşmüştür. NACA64A204 kanat profilinde basınç hatası %10,59’dan %8,54’e, sıcaklık hatası %11,17’den %7,37’ye gerilemiştir. Duvar ısı akısında CIGRC, silindir için ortalama hatayı %0,73’e ve NACA64A204 için %1,44’e indirmiştir. Örtük yöntem, açık grafik düzeltme modeli EGRC’ye göre özellikle şokla ilişkili basınç hatalarında daha güçlü sonuç vermiş; daha düzgün sıcaklık alanlarında iki yöntem birbirine yakın performans göstermiştir.

Türkiye açısından değerlendirme: Yaklaşım; Türkiye’de hipersonik araç, roket, yeniden giriş sistemi, yüksek hızlı hava alığı ve termal koruma sistemi geliştiren üniversiteler ile araştırma kuruluşlarında pahalı CFD çalışmalarını önceliklendiren bir yardımcı model olarak değerlendirilebilir. Uygulamadan önce Türkiye’de kullanılan çözücüler, gaz modelleri, malzeme ve duvar kataliz varsayımlarıyla yeniden eğitim yapılması; üç boyutlu araç geometrileri, türbülans-geçiş koşulları, gerçek uçuş ve rüzgâr tüneli ölçümleriyle doğrulama gerçekleştirilmesi gerekir. Çalışmadan Türkiye’deki belirli bir aracın sıcaklık yükü, güvenlik marjı, termal koruma kalınlığı veya uçuşa elverişliliği doğrudan çıkarılamaz.

Araştırmanın temel değeri, düşük doğruluklu CFD’nin taşıdığı genel fiziksel eğilimleri korurken yüksek doğruluklu çözüme göre kalan hatayı bağımsız noktalar olarak değil, CFD ağ topolojisi üzerinde örgütlenmiş bir alan olarak işlemesidir. Bununla birlikte bildirilen doğruluklar gerçek fiziksel alanın mutlak doğruluğunu değil, model tahminlerinin çalışmada kullanılan yüksek doğruluklu CFD çözümlerine yakınlığını göstermektedir.

Araştırmanın çözmeye çalıştığı sorun nedir?

Hipersonik uçuşta şok kaynaklı sıkışma, viskoz enerji kaybı ve yüksek sıcaklık gaz etkileri aracın çevresinde yoğun basınç ve sıcaklık gradyanları oluşturur. En yüksek ısı yükleri çoğunlukla durma noktası, ön kenar ve şok-sınır tabakası etkileşim bölgelerinde yoğunlaşır. Bu yüklerin eksik tahmin edilmesi termal koruma sistemini yetersiz bırakabilir; aşırı tahmin edilmesi ise aracı gereğinden ağır ve maliyetli hâle getirebilir.

Termokimyasal dengesizlik içeren yüksek doğruluklu CFD çözümleri geniş ağlar, küçük duvar hücreleri ve uzun yakınsama süreleri gerektirir. Buna karşılık daha seyrek ağlar veya basitleştirilmiş hesaplamalar daha hızlıdır fakat özellikle ısı akısı ve şok yapısında belirgin hata oluşturabilir. Çok doğruluklu öğrenme bu iki veri türünü birleştirerek az sayıdaki pahalı çözümden daha fazla yararlanmayı amaçlamaktadır.

Çalışmaya göre mevcut çok doğruluklu modeller düşük ve yüksek doğruluk düzeyleri arasındaki genel ilişkiyi öğrenebilse de tahminde kalan hatanın şok, sınır tabakası, termal tabaka ve iz boyunca örgütlenmiş uzamsal yapısını açık biçimde modellemeyebilir. CIGRC bu boşluğu, kalan hatayı CFD ağında tanımlanan grafik destekli bir artık alanı olarak çözerek gidermeye çalışmaktadır.

CIGRC hangi aşamalardan oluşmaktadır?

1. Çok doğruluklu temel yeniden yapılandırma: Düşük doğruluklu CFD alanı tahmin edilir ve bu bilgi işletme koşullarıyla birlikte yüksek doğruluklu başlangıç tahminine dönüştürülür.
2. Yapılandırılmış artık alanı: Yüksek doğruluklu çözüm ile başlangıç tahmini arasındaki kalan hata, CFD ağ noktaları üzerinde bir grafik sinyali olarak tanımlanır.
3. Statik örtük grafik düzeltmesi: Grafik operatörü sabit nokta dengesine ulaşıncaya kadar yinelenerek temel ve kararlı bir artık düzeltmesi hesaplanır.
4. Sınırlı dinamik düzeltme: Statik aşamadan sonra kalan hata, kapı değeri ve maksimum genlik tarafından sınırlandırılan ikinci bir örtük grafik modülüyle düzeltilir.
5. Kanat profilleri arası aktarım: NACA64A204 üzerinde öğrenilen model, NACA64A104 ve NACA64A004 için başlangıç olarak kullanılır ve sınırlı hedef verisiyle yeniden ayarlanır.

Çok doğruluklu temel model nasıl çalışmaktadır?

Akış koşulu Mach sayısı ve hücum açısıyla tanımlanmıştır:

\[ \boldsymbol{\mu}=(Ma,\alpha) \]

Bir CFD ağ noktasının konumu \(\mathbf{r}_i=(x_i,y_i)\), düşük doğruluklu basınç ve sıcaklık değerleri \(\mathbf{y}_{L,i}\), yüksek doğruluklu değerleri ise \(\mathbf{y}_{H,i}\) ile gösterilmektedir:

\[ \mathbf{y}_{L,i}=(P_{L,i},T_{L,i}), \qquad \mathbf{y}_{H,i}=(P_{H,i},T_{H,i}) \]

Çok doğruluklu derin sinir ağı önce düşük doğruluklu alanı tahmin eder:

\[ \widehat{\mathbf{y}}_{L,i}=f_L(\mathbf{r}_i,\boldsymbol{\mu};\theta_L) \]

Daha sonra konum, işletme koşulu ve düşük doğruluklu çıktı kullanılarak başlangıç yüksek doğruluk tahmini oluşturulur:

\[ \widehat{\mathbf{y}}_{0,i} =f_H(\mathbf{r}_i,\boldsymbol{\mu},\widehat{\mathbf{y}}_{L,i};\theta_H) \]

Bu başlangıç tahmini MFDNN tabanı olarak adlandırılmıştır. CIGRC doğrudan bütün fizik alanını sıfırdan üretmez; bu fiziksel olarak yönlendirilmiş başlangıç alanında kalan düzenli hatayı düzeltir.

Neden logaritmik uzay kullanılmıştır?

Basınç ve sıcaklık pozitif büyüklüklerdir ve serbest akım ile şok bölgesi arasında geniş aralıklarda değişebilir. Bu nedenle artık düzeltmesi doğrudan fiziksel değerlerde değil, aşağıdaki logaritmik durumda yapılmıştır:

\[ \mathbf{s}_{H,i}=\log(1+\mathbf{y}_{H,i}), \qquad \mathbf{s}_{0,i}=\log(1+\widehat{\mathbf{y}}_{0,i}) \]

Başlangıç artığı:

\[ \mathbf{e}_{0,i}=\mathbf{s}_{H,i}-\mathbf{s}_{0,i} \]

şeklinde tanımlanmıştır. Son tahmin fiziksel uzaya:

\[ \widehat{\mathbf{y}}_{\mathrm{final}} =\exp(\mathbf{s}_{\mathrm{final}})-1 \]

ifadesiyle geri dönüştürülür. Bu işlem tahmin edilen basınç ve sıcaklığın pozitif kalmasına yardımcı olur ve farklı büyüklük ölçeklerini sıkıştırır.

CFD ağı nasıl grafik yapısına dönüştürülmüştür?

Her örneklenmiş CFD ağ noktası bir grafik düğümü olarak kullanılmıştır:

\[ \mathcal{G}=(V,E,A) \]

Burada \(V\) düğümleri, \(E\) düğümler arasındaki bağlantıları ve \(A\) ilişki matrisini göstermektedir. Her düğümün özellik vektöründe şu bilgiler bulunmaktadır:

• Mach sayısı ve hücum açısı,
• normalize edilmiş uzamsal koordinatlar,
• düşük doğruluklu basınç ve sıcaklık tahminleri,
• MFDNN yüksek doğruluklu başlangıç tahmini,
• düşük ve yüksek doğruluk eğilimleri arasındaki fark göstergesi,
• yerel komşuluk değişimi veya belirsizlik göstergesi,
• şok ve yüksek gradyan bölgelerini belirleyen risk göstergesi.

Düğümler uzamsal k-en yakın komşuluk ilişkisiyle bağlanmıştır. Temel geometrik ağırlık, yakın noktaların daha yüksek ağırlık alacağı üstel uzaklık fonksiyonuyla hesaplanmıştır:

\[ A^x_{ij} = \frac{ \mathbf{1}_{j\in N_k(i)} \exp\left(-\|\mathbf{r}^n_i-\mathbf{r}^n_j\|_2^2/\ell_x^2\right) }{ \sum_{j'\in N_k(i)} \exp\left(-\|\mathbf{r}^n_i-\mathbf{r}^n_{j'}\|_2^2/\ell_x^2\right) } \]

Basınç ve sıcaklık için aynı grafik ağırlığı kullanılmamıştır. Basınç dalında şok ve yüksek hata bölgelerine daha fazla önem verilmiş; sıcaklık dalında termal benzerlik güçlendirilmiştir. Bunun nedeni basıncın şok boyunca keskin sıçramalar göstermesi, sıcaklığın ise genel olarak daha düzgün ve yayılımcı davranmasıdır.

Açık ve örtük grafik düzeltmesi arasındaki fark nedir?

Karşılaştırma modeli EGRC, önceden belirlenen sayıda grafik mesaj iletme katmanını ardışık biçimde uygular. Bu nedenle bilginin grafikte ne kadar ilerleyeceği ağ derinliğiyle sınırlıdır. Çok derin açık GNN yapıları aşırı düzgünleşme ve uzak bilgilerin dar bir temsile sıkışması gibi sorunlar yaşayabilir.

CIGRC’de ise gizli artık durumu belirli sayıda katmanın çıktısı değildir. Durum, aşağıdaki örtük graf operatörünün sabit noktası olarak tanımlanmıştır:

\[ H_s^{*} = \tanh\left( \overline{H}+H_s^{*}W_s+AH_s^{*}U_s \right) \]

Sabit nokta, sönümlü yineleme yoluyla çözülmektedir:

\[ H_s^{k+1} = (1-\eta_s)H_s^k + \eta_s\Phi_s(H_s^k;X,A) \]

Yineleme önceden belirlenmiş bir grafik derinliğine ulaşmak için değil, kendi içinde tutarlı bir denge durumuna yaklaşmak için yapılmaktadır.

Daralma koşulu ne anlama gelmektedir?

Örtük operatör genel biçimde:

\[ H^*=\Phi(H^*;X,A) \]

olarak yazılmıştır. Operatör:

\[ \Phi(H;X,A)=\tanh(E(X)+HW+AHU) \]

biçimindedir. İki farklı gizli durum arasındaki fark için üst sınır:

\[ \|\Phi(H_1)-\Phi(H_2)\|_F \leq \left(\|W\|_2+\|A\|_2\|U\|_2\right) \|H_1-H_2\|_F \]

olarak verilmiştir. Daralma katsayısı:

\[ \rho=\|W\|_2+\|A\|_2\|U\|_2 \]

şeklinde tanımlanmıştır. \(\rho<1\) olduğunda operatör daralma eşlemesidir. Banach sabit nokta teoremine göre bu koşul, sabit noktanın varlığı, tekliği ve yinelemeyle erişilebilirliği için yeterli bir koşul sağlamaktadır.

Sönümlü çözümün yakınsama katsayısı:

\[ q=(1-\eta)+\eta\rho \]

olup \(\rho<1\) koşulunda \(q<1\) olur. Hata, yineleme sayısıyla geometrik olarak azalır:

\[ \|H^k-H^*\|_F \leq q^k\|H^0-H^*\|_F \]

Bu matematiksel sonuç, gerçek eğitim sürecindeki her olası ağ ve parametre için mutlak kararlılık kanıtı değildir. Çalışmada satırları normalize edilmiş grafik matrisleri, sınırlı ağırlıklar ve sönümlü güncellemeler kullanılarak örtük çözücünün kararlı davranması amaçlanmıştır.

Statik ve dinamik düzeltme neden ayrılmıştır?

Statik aşama sabit nokta dengesinden sınırlı bir artık üretmektedir:

\[ \Delta s_{\mathrm{static}} = c_s\tanh(R_s(H_s^*,X)) \]

Statik olarak düzeltilmiş durum:

\[ s_{\mathrm{static}} = s_0+\Delta s_{\mathrm{static}} \]

olur. Dinamik aşama, statik düzeltmeden sonra kalan hatayı ayrı bir örtük grafik denge durumuyla işler. Dinamik çıktı hem sigmoid kapı hem de maksimum genlik katsayısıyla sınırlandırılmıştır:

\[ \Delta s_{\mathrm{dynamic}} = g_{\mathrm{dyn}} \odot c_d\tanh(R_d(H_d^*,X,H_s^*)) \]

\[ g_{\mathrm{dyn}}=\sigma(G_d(H_d^*,X)) \]

Son durum:

\[ s_{\mathrm{dynamic}} = s_{\mathrm{static}}+\Delta s_{\mathrm{dynamic}} \]

şeklindedir. Basınç dalında şok konum hatalarını gidermek için dinamik güncellemeye görece daha fazla hareket alanı tanınmış; sıcaklık dalında ise daha tutucu bir dinamik düzeltme kullanılmıştır.

Düzeltmenin aşırı büyümesi nasıl önlenmiştir?

Hiperbolik tanjant ve pozitif ölçek katsayıları nedeniyle düzeltmeler:

\[ \|\Delta s_{\mathrm{static}}\|_\infty\leq c_s, \qquad \|\Delta s_{\mathrm{dynamic}}\|_\infty\leq c_d \]

ile sınırlandırılmıştır. Eğitim kaybına ayrıca aday düzeltmenin bir önceki durumu kötüleştirmesini cezalandıran iyileştirme terimi eklenmiştir:

\[ L_{\mathrm{improve}} = \max\left( 0,\, \ell(s_{\mathrm{candidate}},s_H) - \ell(s_{\mathrm{ref}},s_H) \right) \]

Toplam kayıp; nihai alan hatası, statik ve dinamik artık gözetimi, grafik düzgünlüğü, kapı düzenlemesi ve iyileştirme kısıtından oluşmuştur:

\[ L_{\mathrm{total}} = L_{\mathrm{final}} +\lambda_{\mathrm{static}}L_{\mathrm{static}} +\lambda_{\mathrm{dyn}}L_{\mathrm{dyn}} +\lambda_{\mathrm{graph}}L_{\mathrm{graph}} +\lambda_{\mathrm{gate}}L_{\mathrm{gate}} +\lambda_{\mathrm{imp}}L_{\mathrm{improve}} \]

Çalışmada temel deneyler için \(\lambda_{\mathrm{static}}=0{,}10\), \(\lambda_{\mathrm{dyn}}\approx0{,}75\), tam alan eğitiminde \(\lambda_{\mathrm{graph}}=3{,}0\times10^{-4}\), \(\lambda_{\mathrm{gate}}=1{,}0\times10^{-5}\) ve \(\lambda_{\mathrm{imp}}=1{,}0\) kullanıldığı belirtilmiştir.

CFD modeli hangi fiziksel sistemi çözmektedir?

Veriler açık kaynaklı SU2 çözücüsü kullanılarak üretilmiştir. Hesaplama, çok tür içeren sıkıştırılabilir Navier–Stokes sistemini ve termokimyasal dengesizliği kapsamaktadır:

\[ R(U) = \frac{\partial U}{\partial t} + \nabla\cdot\mathbf{F}_C(U) - \nabla\cdot\mathbf{F}_V(U,\nabla U) - Q = 0 \]

Korunumlu değişkenler tür yoğunlukları, momentum, toplam enerji ve titreşimsel-elektronik enerjiyi içermektedir:

\[ U= \{\rho_1,\ldots,\rho_n,\rho\mathbf{u},\rho e,\rho e_{v-e}\}^{T} \]

Termodinamik durum, katı döndürücü-harmonik osilatör yaklaşımına dayanan iki sıcaklıklı modelle temsil edilmiştir. Öteleme-dönme sıcaklığı \(T\) ile titreşim-elektronik sıcaklığı \(T_{ve}\) ayrı tutulmuştur. Bu yapı, hipersonik akışta gazın bütün enerji modlarının aynı sıcaklığa ulaşmadığı koşulları modellemek için kullanılmıştır.

Sayısal çözüm nasıl doğrulanmıştır?

Silindir yüksek doğruluklu çözümü, Göttingen HEG yüksek entalpili şok tüneli deneyleriyle karşılaştırılmıştır. Doğrulama koşulu yaklaşık Mach 8,98; 5.956 m·s⁻¹ serbest akım hızı; 476 Pa basınç ve 901 K sıcaklık içermektedir.

Yüksek doğruluklu CFD, deneysel yüzey ısı akısı dağılımının genel eğilimini yeniden üretmiştir; ancak özellikle durma bölgesinde deneyden biraz daha düşük kalmıştır. Çalışma bu farkı duvar kataliz etkisinin hesaplamaya dâhil edilmemesiyle açıklamaktadır. Dolayısıyla “yüksek doğruluklu” ifadesi deneyle tam eşleşen mutlak gerçekliği değil, çalışmadaki daha sık ağ ve ayrıntılı fizik modelini ifade etmektedir.

Hangi geometriler ve ağlar kullanılmıştır?

Yüksek doğruluklu ağlarda duvara yakın ilk hücre yüksekliği 1 × 10⁻⁷ m olarak seçilmiş ve hücre Reynolds sayısının 0,02365’in altında tutulmasının ısı akısı doğruluğu için yeterli olduğu önceki çalışma sonuçlarına dayandırılmıştır.

Çok doğruluklu veri kümesinin kapsamı nedir?

Tahmin hataları nasıl değerlendirilmiştir?

Basınç, sıcaklık ve duvar ısı akısı için ortalama bağıl hata kullanılmıştır:

\[ MRE(s) = \frac{100}{N} \sum_{i=1}^{N} \frac{|\widehat{s}_i-s_i^H|} {\max(|s_i^H|,\varepsilon_s)} \]

Küçük \(\varepsilon_s\) değeri, sıfıra yakın referans noktalarında bölme hatasını önlemektedir. Çalışmada bu sayısal tabanın değeri açıkça verilmemiştir.

Duvar ısı akısı için ayrıca tepe hata ve bütünleşik ısı yükü hatası hesaplanmıştır:

\[ E_{\mathrm{peak}} = 100 \frac{ |\max(\widehat{q}_w)-\max(q_w^H)| }{ \max(q_w^H) } \]

\[ E_{\mathrm{int}} = 100 \frac{ \left| \sum_i\widehat{q}_{w,i}\Delta s_i - \sum_i q^H_{w,i}\Delta s_i \right| }{ \sum_i|q^H_{w,i}|\Delta s_i } \]

Ayrıca 95. yüzdelik hata kuyruğundaki daralma ve bütün hata enerjisindeki azalma incelenmiştir. Bu ölçütler, ortalama hatanın gizleyebileceği şok ve yüksek ısı akısı bölgelerindeki yerel hataları değerlendirmek için kullanılmıştır.

Silindir basınç ve sıcaklık sonuçları nasıldır?

Düşük doğruluklu fizik alanının MFDNN’ye eklenmesi, yalnızca yüksek doğruluklu sınırlı veriyle eğitilen MLP’ye göre en büyük iyileşmeyi sağlamıştır. CIGRC daha sonra MFDNN basınç hatasını %37,8 oranında azaltmış ve EGRC’ye göre %18,3 daha düşük ortalama basınç hatası vermiştir.

Sıcaklıkta EGRC ile CIGRC arasındaki fark yalnızca 0,04 yüzde puandır. Bu sonuç, CIGRC’nin bütün alanlarda açık grafik modeline karşı büyük üstünlük sağladığı biçiminde yorumlanmamalıdır. Örtük denge yaklaşımının avantajı daha çok keskin ve uzamsal olarak örgütlenmiş basınç artıklarında görülmüştür.

NACA64A204 sonuçları nasıldır?

Yalnızca yüksek doğruluklu sınırlı veriyle eğitilen MLP’nin basınç hatası bazı test durumlarında %200’ü aşmıştır. Düşük doğruluklu çözümün fiziksel dayanak olarak kullanılması bu hatayı büyük ölçüde azaltmıştır.

CIGRC, Mach 9 ve 6° hücum açısı durumunda basınç hatasını EGRC’nin %5,91 değerinden %4,61’e düşürmüştür. Sıcaklıkta ortalama değerler neredeyse aynıdır; bazı durumlarda EGRC, bazı durumlarda CIGRC daha iyi sonuç vermiştir.

Noktasal hata dağılımı nasıl değişmiştir?

Ortalama hata dışında düğüm bazındaki hata dağılımları da karşılaştırılmıştır. NACA64A204 sıcaklık alanının Mach 9 ve 6° hücum açısı durumunda CIGRC:

• ortalama bağıl hatayı %48,5,
• 95. yüzdelik hatayı %49,3,
• L₂ hata enerjisini %50,3

oranında azaltmıştır. Silindir basıncında Mach 9 ve 500 K koşulunda aynı değerler sırasıyla %41,6, %34,8 ve %19,8’dir.

Dinamik kapının ortalama etkinliği silindir durumlarında yaklaşık 0,43–0,53, kanat profili durumlarında 0,05–0,07 olmuştur. Bu sonuç, dinamik düzeltmenin bütün düğümlerde aynı güçle uygulanmadığını ve özellikle kanat profili alanlarında daha seçici davrandığını göstermektedir.

Duvar ısı akısı sonuçları nelerdir?

CIGRC yalnızca ortalama duvar ısı akısı hatasını değil, tepe ısı akısını, ön kenar veya durma bölgesindeki yerel hatayı ve bütünleşik ısı yükünü de azaltmıştır. Bu ayrım önemlidir; termal koruma tasarımında düşük ortalama hata, tepe ısınmanın kötü tahmin edilmesini telafi etmez.

Silindir bütünleşik yük hatasında MFDNN %0,31, CIGRC %0,32 vermiştir. Dolayısıyla CIGRC bu tek ölçütte başlangıç modelinden küçük ölçüde daha kötü, EGRC’den ise daha iyi sonuç vermiştir. Çalışmanın sonuçları bütün ölçütlerde koşulsuz üstünlük değil, genel ve yerel hata göstergelerinin birlikte iyileşmesi olarak yorumlanmalıdır.

Yüksek doğruluklu veri azaltıldığında ne olmuştur?

CIGRC bütün veri bütçelerinde ortalama olarak MFDNN tabanını iyileştirmiştir. Ancak 16 örnekli HF80 basınç testlerinden birinde düzeltme hatayı 0,67 yüzde puan artırmıştır. Bu, az veri altında yöntemin her ayrı koşulda iyileşmeyi garanti etmediğini göstermektedir.

Basınç performansı 12 örneğe düşüldüğünde daha hızlı bozulmuştur. Çalışma bunu şok konumu ve geometrik koşullara duyarlı keskin basınç alanlarının az örnekle temsil edilmesinin daha zor olmasıyla açıklamaktadır. Sıcaklık alanları daha düzgün olduğundan azaltılmış veri altında daha dayanıklı kalmıştır.

Kanat profilleri arası aktarım nasıl yapılmıştır?

NACA64A204 üzerinde eğitilmiş CIGRC parametreleri hedef kanat profili modelinin başlangıcı olarak kullanılmıştır:

\[ \Theta_t^{(0)}\leftarrow\Theta_s \]

Daha sonra hedef kanat profiline ait sınırlı yüksek doğruluklu örneklerle temel MFDNN ve örtük grafik düzeltme modülleri yeniden ayarlanmıştır:

\[ \Theta_t^* = \arg\min_{\Theta_t} L_{\mathrm{total}}^t(\Theta_t) \]

Çalışma, doğrudan sıfır örnekli aktarımın yeterli olmadığını göstermektedir. Kanat kamburluğu değiştiğinde kaynak yüksek doğruluk ağı özellikle NACA64A004 sıcaklık alanında büyük başlangıç hatası vermiştir. Önce hedefe özgü MFDNN ayarı genel alan seviyesini düzeltmiş, ardından CIGRC kalan uzamsal hatayı azaltmıştır.

Aktarım öğrenmesi sonuçları nelerdir?

Eski kaynak tabanından nihai CIGRC sonucuna toplam hata azalması NACA64A104 basınçta %66,5, sıcaklıkta %51,1; NACA64A004 basınçta %80,6 ve sıcaklıkta %84,2 olmuştur.

Bu büyük yüzdelerin tamamı grafik düzeltmesinden kaynaklanmamaktadır. Önemli bir bölüm hedefe özgü MFDNN yeniden ayarından gelmiştir. CIGRC’nin hedef MFDNN’ye ek katkısı 2,31–2,89 yüzde puan aralığındadır.

Çalışmanın desteklediği sonuçlar

• Düşük doğruluklu CFD verisi, sınırlı yüksek doğruluklu veriye fiziksel dayanak sağlayarak yalnız yüksek doğruluklu veride eğitilen MLP’den belirgin biçimde daha iyi sonuç vermiştir.
• CFD ağında grafik artık düzeltmesi, çok doğruluklu başlangıç modelinde kalan uzamsal hatayı azaltmıştır.
• CIGRC silindir ve NACA64A204 testlerinde MFDNN’den daha düşük ortalama basınç ve sıcaklık hatası sağlamıştır.
• Örtük sabit nokta düzeltmesi özellikle şokla ilişkili basınç artıklarında EGRC’den daha etkili olmuştur.
• Düzgün sıcaklık alanlarında EGRC ile CIGRC performansı birbirine yakın kalmıştır.
• CIGRC duvar ısı akısının ortalama, tepe, ön kenar veya durma bölgesi ve bütünleşik yük hatalarını genel olarak azaltmıştır.
• Yüksek doğruluklu eğitim verisi 20’den 16 ve 12 duruma düşürüldüğünde düzeltme kabiliyeti tamamen kaybolmamıştır.
• NACA64A204 üzerinde öğrenilen yapı, hedefe özgü yeniden ayardan sonra NACA64A104 ve NACA64A004’e aktarılabilmiştir.
• Kapılı dinamik düzeltme, başlangıç modelinin zaten doğru olduğu bölgelerde sınırlı etkinlik göstermiştir.

Çalışmanın kanıtlamadığı sonuçlar

• CIGRC’nin gerçek hipersonik uçuş alanlarını yüksek doğrulukla tahmin ettiği doğrudan gösterilmemiştir.
• Makine öğrenmesi modeli bağımsız rüzgâr tüneli basınç ve sıcaklık alanlarıyla doğrulanmamıştır.
• Yüksek doğruluklu CFD’nin bütün fiziksel koşullarda gerçek alanı temsil ettiği kanıtlanmamıştır.
• Duvar katalizi ihmal edildiği için deneysel durma bölgesi ısı akısıyla tam uyum sağlanmamıştır.
• Yöntemin üç boyutlu araçlarda, karmaşık kontrol yüzeylerinde veya motor-hava alığı etkileşimlerinde aynı başarıyı göstereceği kanıtlanmamıştır.
• Farklı CFD çözücüleri, kimyasal mekanizmalar veya türbülans modelleri arasında aktarım değerlendirilmemiştir.
• NACA64A ailesi dışındaki büyük geometrik değişikliklere sıfır örnekli aktarım gösterilmemiştir.
• Her test koşulunda CIGRC’nin EGRC’den daha iyi olduğu gösterilmemiştir.
• Azaltılmış veri deneyinde her koşulda iyileşme sağlanmamış; bir HF80 basınç durumu kötüleşmiştir.
• Gerçek hesaplama süresi, bellek tüketimi ve yüksek doğruluklu CFD’ye göre toplam hızlanma oranı ayrıntılı biçimde raporlanmamıştır.
• Model kodu, eğitim verileri ve tam hiperparametre dosyaları için açık bir kamu deposu belirtilmemiştir.

Çalışmanın güçlü yönleri nelerdir?

Çalışmanın en güçlü yönlerinden biri, örtük grafik düzeltmesini yalnız mimari bir tercih olarak sunmaması; daralma eşlemesi, sabit nokta yakınsaması, giriş ve grafik bozunumlarına duyarlılık ile çıktı genliği sınırlarını matematiksel olarak açıklamasıdır.

İkinci güçlü yön, CIGRC’nin yalnız MLP ve MFDNN ile değil, aynı girdileri kullanan açık grafik düzeltme modeli EGRC ile karşılaştırılmasıdır. Böylece grafik kullanımının genel etkisi ile örtük sabit nokta yaklaşımının ek katkısı kısmen ayrılabilmiştir.

Üçüncü güçlü yön, değerlendirmede yalnız ortalama alan hatasının kullanılmamasıdır. Noktasal hata dağılımları, 95. yüzdelik hata, L₂ hata enerjisi, dinamik kapı etkinliği, tepe ısı akısı ve bütünleşik yüzey ısı yükü birlikte incelenmiştir.

Dördüncü güçlü yön, sabit beş test koşulunun veri azaltma deneylerinde korunmasıdır. Böylece 20, 16 ve 12 yüksek doğruluklu eğitim örneği arasındaki performans değişimi aynı test koşullarında karşılaştırılmıştır.

Başlıca sınırlılıklar nelerdir?

Araştırmanın bütün makine öğrenmesi hedefleri CFD verileridir. Silindir CFD’si deneysel ısı akısı eğilimiyle karşılaştırılmış olsa da modelin tahmin ettiği bütün basınç ve sıcaklık alanları için bağımsız deneysel doğrulama bulunmamaktadır.

Çalışma iki boyutlu silindir ve üç NACA64A kanat profiliyle sınırlıdır. Üç boyutlu şok yapıları, çapraz akış, kenar etkileri, türbülans geçişi ve gerçek araç bileşenleri ele alınmamıştır.

Yüksek doğruluklu CFD’de katalitik duvar etkisi hesaba katılmamıştır. Bu nedenle öğrenilen model, gerçek deneyde görülebilecek kataliz kaynaklı ek ısı akısını kendiliğinden üretemez.

Azaltılmış veri modelleri tam veri modelinden daha fazla eğitim dönemi kullanmıştır: tam NACA64A204 modeli 640 dönem, 16 ve 12 örnekli modeller 1.140 dönem eğitilmiştir. Bu nedenle veri bütçesi azalırken optimizasyon maliyeti aynı tutulmamıştır.

Aktarım deneylerinde hedef profiller için 20 yüksek doğruluklu örnek kullanılmıştır. Bu, kaynak modelden yararlanıldığını gösterse de çok az örnekli veya örneksiz aktarım anlamına gelmemektedir.

Daralma koşulu teorik bir yeterli koşuldur. Çalışma, eğitim boyunca her katman ve her örnek için ölçülen gerçek \(\rho\) değerlerinin ayrıntılı dağılımını raporlamamıştır.

Çalışmanın Yöntemi ve Bulguları

Deney tasarımının özeti

Silindir test koşulları

NACA64A204 test koşulları

Silindir durumlarına göre hata sonuçları

NACA64A204 durumlarına göre hata sonuçları

Şekillerin temel mesajları

• Şekil 1: Düşük ve yüksek doğruluklu veriden MFDNN tabanı oluşturulmasını, CFD ağının grafiğe çevrilmesini, statik ve dinamik CIGRC düzeltmesini ve kanat profilleri arası aktarımı tek iş akışında göstermektedir.
• Şekil 2: Silindir ve kanat profili için yüksek doğruluklu sık ağlarla düşük doğruluklu seyrek ağları karşılaştırmaktadır.
• Şekil 3: Silindir ısı akısının HEG deneyleri ve önceki CFD sonuçlarıyla karşılaştırılmasını, ayrıca düşük ve yüksek doğruluk ağlarının ısı akısı farkını göstermektedir.
• Şekil 4: Yöntem karşılaştırması, azaltılmış veri ve aktarım öğrenmesi deneylerinin örnek sayısı ve eğitim dönemi bütçelerini göstermektedir.
• Şekil 5: Silindir ve NACA64A204 için MLP, MFDNN, EGRC ve CIGRC hata matrislerini sunmaktadır.
• Şekil 6–7: Silindir basınç ve sıcaklık alanlarında çok doğruluklu ve grafik tabanlı düzeltmelerin uzamsal hata bantlarını nasıl azalttığını göstermektedir.
• Şekil 8–9: NACA64A204 çevresindeki basınç ve termal tabakada CIGRC tahmini ile yüksek doğruluklu referansın benzerliğini ve kalan yerel hataları göstermektedir.
• Şekil 10: CIGRC’nin MFDNN’ye karşı bütün kaynak test hücrelerinde kazanç sağladığını, EGRC’ye karşı kazancın ise daha seçici olduğunu göstermektedir.
• Şekil 11–12: Noktasal tahminlerin yüksek doğruluklu köşegene yaklaşmasını ve yüksek hata yüzdeliklerinin daralmasını göstermektedir.
• Şekil 13: Silindir ve kanat profili duvar ısı akısında CIGRC’nin özellikle yüksek ısı bölgelerindeki hata zarfını küçülttüğünü göstermektedir.
• Şekil 14: Yüksek doğruluklu eğitim verisi azaltıldığında basınç ve sıcaklık dayanıklılığını, ayrıca tek olumsuz HF80 basınç durumunu göstermektedir.
• Şekil 15: NACA64A104 ve NACA64A004 aktarımında eski kaynak tabanı, hedef MFDNN ve nihai CIGRC aşamalarını karşılaştırmaktadır.
• Şekil 16–17: Üç NACA64A profilinde aktarılmış basınç ve sıcaklık alanlarının temel topolojiyi koruduğunu göstermektedir.
• Şekil 18: Tam veri, azaltılmış veri ve aktarım deneylerinde düzeltmenin kaç test durumunda pozitif kazanç sağladığını özetlemektedir.

Teknik sonuç

CIGRC’nin temel başarısı, düşük doğruluklu CFD’nin genel fiziksel alanını değiştirmeden yüksek doğruluklu çözüme göre kalan hata yapısını grafik üzerinde düzeltmesidir. Sabit nokta yaklaşımı, önceden belirlenmiş grafik katmanı sayısından bağımsız olarak artık durumunu kendi içinde tutarlı bir dengeye taşımayı amaçlamaktadır.

Sonuçlar örtük grafiğin özellikle şok konumu, ön kenar sıkışması ve iz yapısıyla bağlantılı keskin basınç hatalarında avantaj sağladığını göstermektedir. Buna karşılık sıcaklık gibi daha düzgün alanlarda güçlü açık grafik düzeltmesi EGRC ile fark sınırlı kalmıştır.

Bu nedenle çalışma CIGRC’yi yüksek doğruluklu CFD’nin veya fiziksel deneyin yerine geçen bir araç olarak değil, düşük ve yüksek doğruluklu CFD verilerinin daha verimli kullanılmasını sağlayan bir artık düzeltme modülü olarak desteklemektedir.

Kaynak ve Yöntem Notu

Çalışmanın tam özgün adı:Contraction-Guided Implicit Graph Residual Correction for Multi-Fidelity Aerothermal Data Fusion over Hypersonic Cylinders and Airfoils

Yazarlar ve sıraları: Yuchao Wang; Shihao Wu; Hongjie Zhou; Tingwei Ji; Fangfang Xie.

Eş birinci yazar veya eş katkı bilgisi: Çalışmada yer almamaktadır.

Sorumlu yazar: Fangfang Xie.

Kurumsal bağlantı: School of Aeronautics and Astronautics, Zhejiang University, Hangzhou 310027, Zhejiang, Çin.

DOI: 10.2139/ssrn.7201744.

Yayın platformu: SSRN.

Hedef dergi: Çalışmanın ilk sayfalarında preprintin 13 Temmuz 2026 tarihinde Aerospace Science and Technology dergisine gönderildiği belirtilmektedir. Dergiye kabul veya yayımlanmış hakemli sürüm bilgisi çalışmada yer almamaktadır.

Özgün yayınevi: Henüz hakemli nihai yayın bulunmadığı için doğrulanmış bir makale yayınevi yoktur. SSRN, preprint paylaşım platformudur.

Yayın tarihi: 13 Temmuz 2026.

Kaynak türü: Termokimyasal dengede olmayan SU2 simülasyonları, çok doğruluklu derin öğrenme, açık ve örtük grafik artık düzeltmesi, azaltılmış veri analizi ve aktarım öğrenmesi içeren araştırma preprinti.

Hakemlik durumu: Çalışma hakem değerlendirmesinden geçmemiştir. Bulgular erken araştırma sonuçları olarak değerlendirilmelidir.

Resmî kaynak bağlantısı:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7201744

Yazar katkıları: Çalışmada ayrı bir CRediT yazar katkı bildirimi bulunmamaktadır.

Fon desteği: Araştırma Çin Ulusal Doğa Bilimleri Vakfının 92271107 numaralı desteği ve National Key Laboratory of Advanced Propulsion Technology kuruluşunun 25-GC-ZZKY-023 numaralı desteğiyle yürütülmüştür.

Veri ve kod erişimi: Çalışmada eğitim verisi, model kodu veya eğitilmiş ağırlıklar için kamuya açık bir depo bağlantısı verilmemiştir.

Bu Türkçe açıklama, yüklenen çalışmanın 46 sayfası; denklemleri, sekiz tablosu, Şekil 1–18’deki mimari, ağ, alan, hata, ısı akısı, veri azaltma ve aktarım grafikleri incelenerek hazırlanmıştır. Bilimsel içerik yalnızca çalışmada sunulan yöntem, varsayım, simülasyon ve sonuçlara dayandırılmıştır. Dış kontrol yalnızca başlık, yazarlar, DOI, SSRN kaydı ve preprint durumunun bibliyografik doğrulanması için kullanılmıştır.

Çalışmanın başlıca yöntemsel sınırları; makine öğrenmesi hedeflerinin CFD çözümleri olması, yalnızca iki boyutlu silindir ve NACA64A profillerinin incelenmesi, duvar katalizinin ihmal edilmesi, hava aracı ölçeğinde üç boyutlu doğrulama yapılmaması, bağımsız deneysel basınç ve sıcaklık alanlarının kullanılmaması, azaltılmış veri deneylerinde eğitim dönemlerinin eşit tutulmaması ve kod ile veri kümesinin açık bağlantıyla paylaşılmamasıdır.

“Yüksek doğruluklu” ve “düşük doğruluklu” ifadeleri deneysel gerçeklik derecesini değil, çalışmadaki ağ yoğunluğu ve hesaplama ayrıntısı seviyelerini belirtmektedir. CIGRC’nin düşük hata değerleri, tahminlerin çalışmada tanımlanan yüksek doğruluklu SU2 sonuçlarına yakınlığını gösterir; gerçek uçuş ortamındaki toplam model belirsizliğini göstermez.