يشهد مجال صناعة الطائرات قفزة نوعية بفضل التطورات الحديثة في محاكاة تدفقات الهواء، حيث تم تقديم نظام تعلم جديد يُعرف باسم MHLF (Multigrid-Hierarchical Learning Framework) الذي يُعد خطوة رائدة في تحسين كفاءة محاكاة التدفقات ثلاثية الأبعاد للطائرات. هذه التقنية تتغلب على التحديات المرتبطة بالكفاءة العالية التي تتطلبها المحاكاة التقليدية، والتي غالباً ما تكون مُكلفة من الناحية الحاسوبية.

تعمل MHLF على تحسين عملية بدء تدفقات الهواء من خلال تقليل المسافة العددية بين الحلول الأولية والحلول النهائية المتقاربة. ومع ذلك، يُعتبر التوسيع الشامل لنماذج التعلم العميق إلى تدفقات الطائرات ثلاثية الأبعاد التي تتمتع بتنوعات إقليمية متعددة مقيداً، وما زالت معظم الدراسات السابقة تُركز على المشاكل ثنائية الأبعاد.

تجمع MHLF بين تمثيل هندسي متسق ومتعدد الشبكات مع استراتيجية هرمية تُتيح التقاط تباين التدفقات الإقليمية، سواء خلال عملية التنبؤ أو التصحيح اللاحق باستخدام ديناميكا الموائع الحاسوبية (CFD). على مدى ثلاثة حالات هندسية للطائرات تمتد من Mach 0.15 إلى 6.0، حقق النظام تسريعاً في تقريب الحلول بين 3 إلى 8 مرات مقارنةً بالطرق التقليدية.

تُظهر هذه النتائج أن MHLF توفر توقعات شاملة للتدفقات الهوائية للطائرات الكبيرة ضمن نطاق ديناميكا الموائع الحاسوبية، مما يفتح آفاق جديدة لتحسين تصاميم الطائرات من خلال تسريع عمليات المحاكاة الدقيقة.