高速賽車與計(jì)算技術(shù)的前沿交匯

無論是IndyCar還是勒芒超級(jí)跑車，駕駛賽車贏得勝利需要勇氣與技術(shù)，但最根本的還是極致速度。這使得智能工程成為任何制勝策略的核心所在。

在尋求競(jìng)爭(zhēng)優(yōu)勢(shì)的過程中，工程師們不斷對(duì)新賽車設(shè)計(jì)進(jìn)行迭代，調(diào)整車身幾何結(jié)構(gòu)、前翼、后擴(kuò)散器以及各類小型氣動(dòng)附件的造型，探索這些新配置是否能轉(zhuǎn)化為賽道上的實(shí)質(zhì)性性能提升。

計(jì)算機(jī)輔助設(shè)計(jì)與仿真技術(shù)的出現(xiàn)進(jìn)一步拓展了這一創(chuàng)意流程，使得在虛擬環(huán)境中測(cè)試新想法變得更加快捷高效。如今，工程師們借助計(jì)算流體動(dòng)力學(xué)（CFD）來預(yù)測(cè)微小的設(shè)計(jì)改動(dòng)將如何影響下壓力和阻力等氣動(dòng)效果，并間接影響車輛的操控性、平衡性和效率，從而決定車輛在高速行駛和不同賽道條件下的表現(xiàn)。

CFD是一種強(qiáng)大的工具，但求解描述氣流及其他物理現(xiàn)象的復(fù)雜方程需要消耗大量時(shí)間。氣動(dòng)工程師評(píng)估一處細(xì)微的表面調(diào)整可能就要花費(fèi)數(shù)小時(shí)，而設(shè)計(jì)一輛完整的賽車則需要數(shù)周乃至數(shù)月。

IBM研究院與達(dá)拉拉集團(tuán)（Dallara Group）近期攜手合作，共同探索如何在保持高精度物理準(zhǔn)確性的前提下，大幅提升這一評(píng)估過程的效率。

達(dá)拉拉專門為全球頂級(jí)賽事設(shè)計(jì)并提供高性能賽車，服務(wù)領(lǐng)域涵蓋IndyCar、一級(jí)方程式2（F2）以及IMSA WeatherTech SportsCar錦標(biāo)賽。IBM則是經(jīng)典計(jì)算與量子計(jì)算領(lǐng)域的領(lǐng)軍企業(yè)，其AI模型組合在洪水與山火范圍預(yù)測(cè)、天氣與氣候模擬、太陽動(dòng)力學(xué)分析乃至聚變等離子體動(dòng)力學(xué)等方面均有突破性進(jìn)展。

雙方希望借助基于物理仿真數(shù)據(jù)訓(xùn)練的AI代理模型，推動(dòng)車輛設(shè)計(jì)與優(yōu)化的發(fā)展，并計(jì)劃在未來探索將量子算法引入工作流程，以進(jìn)一步提升仿真精度。

在一項(xiàng)實(shí)驗(yàn)中，達(dá)拉拉以一輛類似勒芒原型車2（LMP2）的賽車為基礎(chǔ)，設(shè)計(jì)了多款不同版本的后擴(kuò)散器——這一位于車身底部的部件能夠增加下壓力，提升賽車的抓地力。工程師們隨后分別采用傳統(tǒng)CFD仿真和IBM構(gòu)建、經(jīng)達(dá)拉拉專有仿真數(shù)據(jù)訓(xùn)練的AI代理模型對(duì)上述設(shè)計(jì)進(jìn)行了評(píng)估。

兩種方法均準(zhǔn)確識(shí)別出了最優(yōu)設(shè)計(jì)方案，但CFD分析耗時(shí)數(shù)小時(shí)，而AI評(píng)估僅用約10秒即可完成。達(dá)拉拉估計(jì)，將AI代理模型應(yīng)用于典型的數(shù)百種幾何配置評(píng)估，可將仿真時(shí)間從數(shù)天壓縮至數(shù)分鐘。

上述初步成果已發(fā)表于一篇題為《以設(shè)計(jì)驅(qū)動(dòng)速度》（Faster by Design）的新白皮書中，IBM研究員克里斯蒂亞諾·馬洛西（Cristiano Malossi）近期在ICLR 2026的AI與偏微分方程研討會(huì)上發(fā)表了相關(guān)演講。

該模型本身是由IBM研究人員設(shè)計(jì)的一種基于圖的神經(jīng)算子，命名為規(guī)范不變譜Transformer（Gauge-Invariant Spectral Transformer，簡(jiǎn)稱GIST），旨在解決如何高效處理基于偏微分方程的圖結(jié)構(gòu)仿真數(shù)據(jù)這一核心挑戰(zhàn)。

從眼鏡到飛機(jī)，當(dāng)今許多量產(chǎn)產(chǎn)品都借助計(jì)算機(jī)上的三維網(wǎng)格（Mesh）進(jìn)行設(shè)計(jì)，網(wǎng)格通過密集的點(diǎn)、連接線和平面構(gòu)成，定義了產(chǎn)品的形狀、體積和表面輪廓。

此前用于預(yù)測(cè)氣動(dòng)力的圖模型通常將賽車網(wǎng)格視為簡(jiǎn)單的點(diǎn)云。對(duì)于普通乘用車而言，點(diǎn)云描述幾何形狀或許已經(jīng)足夠，但賽車擁有極為精細(xì)的氣動(dòng)部件——從前部導(dǎo)流片到后翼上的古爾尼翼片——這些細(xì)節(jié)對(duì)車輛性能有著舉足輕重的影響。

網(wǎng)格結(jié)構(gòu)中在物理位置上相鄰的兩側(cè)點(diǎn)，在氣動(dòng)效果上可能受到完全相反的力。要使AI模型正確處理這些表面，就必須讓模型理解網(wǎng)格各點(diǎn)之間的連接關(guān)系。IBM的GIST架構(gòu)同時(shí)編碼了網(wǎng)格點(diǎn)的坐標(biāo)及其連接線的信息，從而更精準(zhǔn)地捕捉網(wǎng)格的拓?fù)浣Y(jié)構(gòu)，在復(fù)雜部件的預(yù)測(cè)上實(shí)現(xiàn)了更清晰、更貼近物理規(guī)律的結(jié)果，而這些部件恰恰是賽車高性能表現(xiàn)的關(guān)鍵所在。

然而，捕捉這些復(fù)雜關(guān)系對(duì)計(jì)算資源的消耗同樣巨大。為了降低此前制約圖Transformer擴(kuò)展能力的復(fù)雜度，研究人員采用隨機(jī)投影方法生成圖嵌入——這是一種以強(qiáng)大性能和簡(jiǎn)潔性著稱的壓縮感知技術(shù)。

與此同時(shí)，研究人員還設(shè)計(jì)了一種"規(guī)范不變"的Transformer架構(gòu)，確保模型能夠在不同嵌入投影和網(wǎng)格密度之間無縫泛化。在物理學(xué)中，規(guī)范不變性意味著無論采用何種任意數(shù)學(xué)描述方式，系統(tǒng)的基本物理性質(zhì)保持不變。

IBM的主要研究人員之一馬蒂亞·里戈蒂（Mattia Rigotti）解釋道："波士頓和紐約的坐標(biāo)會(huì)因使用GPS還是二維地圖而有所不同，但兩座城市之間的實(shí)際物理距離不會(huì)改變。坐標(biāo)的選擇就如同規(guī)范的選擇。物理關(guān)系——無論是城市之間的距離，還是圖中點(diǎn)與連接線的結(jié)構(gòu)——都是規(guī)范不變的。我們將這一洞見融入了模型的設(shè)計(jì)之中。"

研究團(tuán)隊(duì)在達(dá)拉拉的LMP2數(shù)據(jù)集上對(duì)模型進(jìn)行了訓(xùn)練與測(cè)試，數(shù)據(jù)集涵蓋了不同賽道條件和駕駛動(dòng)作下的仿真結(jié)果，從高速過彎到急剎車均有收錄。數(shù)據(jù)集中的每項(xiàng)配置均經(jīng)達(dá)拉拉工程師對(duì)照預(yù)期氣動(dòng)行為進(jìn)行了審核與驗(yàn)證。在未見子集上的評(píng)估顯示，GIST模型在壓力和剪切應(yīng)力等氣動(dòng)力預(yù)測(cè)方面的精度超越了其他主流AI代理模型。

達(dá)拉拉CFD方法論負(fù)責(zé)人埃利薩·塞里奧利（Elisa Serioli）表示："我們很榮幸IBM選擇達(dá)拉拉作為這次創(chuàng)新合作的伙伴。IBM基于AI的模型預(yù)測(cè)結(jié)果與傳統(tǒng)CFD相比展現(xiàn)出極具潛力的表現(xiàn)，泛化能力也令人振奮，這對(duì)于達(dá)拉拉多產(chǎn)品線的業(yè)務(wù)環(huán)境而言尤為值得關(guān)注。"

IBM與達(dá)拉拉計(jì)劃通過引入更多達(dá)拉拉專有高性能賽車數(shù)據(jù)，持續(xù)完善AI代理模型。與此同時(shí)，雙方也在展望下一代計(jì)算時(shí)代，開始探索量子及量子-經(jīng)典混合方法如何進(jìn)一步提升和加速高性能車輛的設(shè)計(jì)流程。

通過將達(dá)拉拉在車輛工程與CFD驅(qū)動(dòng)設(shè)計(jì)方面的專業(yè)積累，與IBM在AI和量子計(jì)算領(lǐng)域的領(lǐng)先優(yōu)勢(shì)相結(jié)合，研究人員將探索如何增強(qiáng)傳統(tǒng)仿真工作流，并最終將發(fā)現(xiàn)的創(chuàng)新設(shè)計(jì)付諸實(shí)踐。

這一合作的意義遠(yuǎn)不止于賽道。氣動(dòng)設(shè)計(jì)對(duì)乘用車、商用飛機(jī)等各類交通工具同樣至關(guān)重要，對(duì)任何將空氣動(dòng)力學(xué)納入設(shè)計(jì)流程的行業(yè)都具有普遍價(jià)值。將日常交通工具的空氣阻力降低幾個(gè)百分點(diǎn)，便可在燃油效率上實(shí)現(xiàn)可觀的累積改善，既能為用戶節(jié)省油費(fèi)，又有助于減少碳排放。

Q&A

Q1：GIST模型是什么？它在賽車設(shè)計(jì)中有什么作用？

A：GIST（規(guī)范不變譜Transformer）是由IBM研究人員開發(fā)的一種基于圖的神經(jīng)算子模型。在賽車設(shè)計(jì)中，它被用作CFD仿真的AI代理模型，能夠高效預(yù)測(cè)賽車氣動(dòng)部件的壓力、剪切應(yīng)力等氣動(dòng)力表現(xiàn)。相比傳統(tǒng)CFD仿真需要數(shù)小時(shí)，GIST模型僅需約10秒即可完成評(píng)估，可將數(shù)百種設(shè)計(jì)配置的仿真時(shí)間從數(shù)天壓縮至數(shù)分鐘，大幅加速工程師的設(shè)計(jì)迭代流程。

Q2：IBM和達(dá)拉拉合作的AI代理模型準(zhǔn)確嗎？

A：準(zhǔn)確性較高。研究團(tuán)隊(duì)在達(dá)拉拉的LMP2數(shù)據(jù)集上進(jìn)行了訓(xùn)練與測(cè)試，數(shù)據(jù)涵蓋高速過彎、急剎車等不同賽道工況，每項(xiàng)配置均經(jīng)達(dá)拉拉工程師審核驗(yàn)證。在未見數(shù)據(jù)子集上的測(cè)試表明，GIST模型在氣動(dòng)力預(yù)測(cè)精度上超越了其他主流AI代理模型，且在實(shí)驗(yàn)中與傳統(tǒng)CFD一致識(shí)別出了最優(yōu)擴(kuò)散器設(shè)計(jì)方案。

Q3：這項(xiàng)賽車氣動(dòng)仿真技術(shù)有沒有其他行業(yè)的應(yīng)用價(jià)值？

A：有。氣動(dòng)設(shè)計(jì)不僅限于賽車領(lǐng)域，乘用車、商用飛機(jī)及其他對(duì)空氣動(dòng)力學(xué)有需求的行業(yè)同樣適用。將日常交通工具的空氣阻力降低幾個(gè)百分點(diǎn)，便能帶來可觀的燃油效率提升，幫助用戶節(jié)省油耗成本，同時(shí)減少碳排放，具有顯著的經(jīng)濟(jì)和環(huán)保意義。