fr.wedoany.com Rapport : Le groupe italien Dallara et la société américaine IBM ont officiellement annoncé leur collaboration le 30 avril 2026, pour développer conjointement un modèle de base d'IA fondé sur la physique, afin d'accélérer la conception et l'optimisation aérodynamique des véhicules hautes performances, et de lancer des applications exploratoires du calcul quantique dans les flux de travail de conception. Dallara est un constructeur mondial de premier plan de voitures de course et de véhicules hautes performances, fournisseur exclusif de châssis pour des compétitions de haut niveau telles que l'IndyCar, la Formule 2, la Formule 3, la Super Formula et l'Indy NXT, tout en étant présent dans des séries comme la Formule E, le WEC et l'IMSA. Ses capacités d'ingénierie s'étendent également aux voitures de route hautes performances et au domaine aérospatial.
Le vecteur technologique central de cette collaboration est le modèle de réseau de neurones graphiques GIST, conçu par IBM Research. Selon le communiqué conjoint des deux parties, lors d'un test préliminaire portant sur un objet similaire à une voiture prototype Le Mans 2, les ingénieurs ont conçu plusieurs configurations géométriques pour le diffuseur arrière — un composant clé situé sous la partie arrière du véhicule, générant de l'appui pour améliorer l'adhérence — et les ont évaluées respectivement avec les méthodes CFD traditionnelles et le modèle d'IA physique d'IBM. La CFD traditionnelle a nécessité plusieurs heures pour effectuer tous les calculs de configuration, tandis que le modèle d'IA a réalisé la même évaluation en environ 10 secondes, identifiant la même conception optimale avec une marge d'erreur comparable à celle de la CFD. Dallara estime que l'application de ce modèle d'IA mandataire à l'évaluation typique de centaines de configurations géométriques pourrait réduire le temps de simulation de plusieurs jours à quelques minutes.
L'avancée technique du modèle GIST réside dans le saut cognitif du « nuage de points » à la « topologie de maillage ». Les modèles graphiques précédemment utilisés pour prédire les forces aérodynamiques traitaient généralement le maillage de la voiture de course comme un simple nuage de points, ce qui peut suffire pour les voitures de tourisme ordinaires, mais s'avère insuffisant pour des composants aérodynamiques extrêmement fins comme les déflecteurs avant ou les ailettes Gurney sur l'aileron arrière, où deux points physiquement adjacents sur la structure du maillage peuvent subir des forces totalement opposées. GIST encode simultanément les coordonnées des points du maillage et leurs relations de connexion, capturant ainsi plus précisément la topologie du maillage et fournissant des résultats plus conformes aux lois physiques pour la prédiction de composants complexes. Afin de réduire la complexité de la capacité de mise à l'échelle du transformeur graphique, les chercheurs ont utilisé une méthode de projection aléatoire pour générer des plongements de graphes et ont conçu une architecture invariante par jauge, garantissant que le modèle se généralise de manière transparente entre différentes projections de plongement et densités de maillage.
Les données d'entraînement du modèle proviennent des données exclusives de simulation aérodynamique haute fidélité de Dallara et de sa profonde expérience technique. Les deux parties prévoient d'intégrer des données de mesures réelles en soufflerie et sur piste lors des phases ultérieures, afin d'améliorer encore le réalisme du modèle. Andrea Pontremoli, PDG de Dallara, a souligné que le passage de plusieurs heures à quelques secondes signifie qu'il est possible de réaliser beaucoup plus d'itérations de développement dans le même laps de temps, et qu'IBM est un partenaire unique pour intégrer la puissance du calcul quantique dans ces algorithmes, ouvrant la voie à de futures percées. Alessandro Curioni, vice-président senior d'IBM Research, a déclaré que l'IA évolue pour devenir une capacité fondamentale pouvant être intégrée dans tous les flux de travail, et que ce nouveau type d'IA apprenant à partir des données, combiné à l'évolution algorithmique, permet aux ingénieurs de faire des découvertes d'une manière radicalement différente, avec une vitesse accrue de plusieurs ordres de grandeur.
Fabrizio Arbucci, directeur des systèmes d'information de Dallara, a indiqué que les véhicules hautes performances constituent un terrain d'essai idéal pour les modèles d'agents neuronaux, et que leur impact potentiel dépasse largement le cadre des circuits. Même une réduction de 1 % à 2 % de la traînée aérodynamique dans le secteur des voitures de tourisme, cumulée, produirait un gain significatif en efficacité énergétique. Par conséquent, au-delà de fournir des outils de développement plus efficaces pour les programmes de course existants comme le LMP2 et l'IndyCar, les perspectives d'application de cette technologie peuvent s'étendre à l'optimisation aérodynamique des voitures de série et du domaine aérospatial. IBM et Dallara lancent simultanément des applications exploratoires du calcul quantique, afin d'évaluer si le calcul quantique et hybride quantique-classique peut étendre davantage la fidélité de simulation des problèmes aérodynamiques complexes. Les premiers résultats correspondants ont été publiés dans une étude préliminaire sur arXiv.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
