Keren! AI Ini Bisa Rancang Sayap Pesawat dan Turbin Lebih Cepat
Riset Kyushu University hadirkan PI-GAE, sistem AI yang memprediksi performa aerodinamika sekaligus merekonstruksi bentuk fisik komponen industri.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- Sistem AI PI-GAE merekonstruksi bentuk komponen dengan deviasi di bawah 0,3% pada 3 dari 4 set data pengujian.
- Akurasi prediksi performa aerodinamika mencapai nilai koefisien determinasi antara 0,946 hingga 0,992.
- Membantu memangkas beban komputasi berulang dalam fase awal perancangan komponen industri.
Merancang bilah turbin angin atau sayap pesawat yang hemat energi membutuhkan simulasi aerodinamika yang rumit dan menyita waktu. Kini, efisiensi litbang manufaktur mendapat angin segar lewat terobosan kecerdasan buatan terbaru.
Sebagaimana dilaporkan TechXplore, tim peneliti dari Kyushu University di Jepang bersama École Centrale de Lyon di Prancis berhasil mengembangkan sistem AI bernama PI-GAE. Model ini mampu memprediksi kinerja aerodinamika sekaligus merekonstruksi bentuk geometri fisik dari komponen yang diuji.
Kompresi Ribuan Titik Data Jadi Variabel Ringkas
Dalam rekayasa teknik konvensional, komponen aerodinamika dipetakan menggunakan computational mesh, yaitu jaringan ribuan titik koordinat digital pembentuk struktur objek. Mengubah posisi ribuan titik ini untuk mengeksplorasi desain baru membutuhkan proses komputasi yang sangat intensif.
PI-GAE, singkatan dari physics-informed geometry-embedded graph autoencoder, mengatasi kendala tersebut dengan meringkas bentuk desain ke dalam sejumlah variabel kecil. Variabel ini kemudian dipakai untuk memvisualisasikan bentuk asli sekaligus memperkirakan performa aerodinamikanya.
"Metode kami memudahkan perbandingan banyak opsi dengan memperkirakan performa suatu bentuk dan menautkannya langsung ke geometri desain. Ini dapat mempersingkat kerja awal dan menemukan komponen yang lebih hemat energi," jelas Profesor Koji Shimoyama dari Kyushu University.
Berdasarkan laporan penelitian di jurnal Computer Methods in Applied Mechanics and Engineering, AI ini diuji pada empat set data sayap serta bilah kompresor. Hasilnya, akurasi prediksi mencatat koefisien determinasi 0,946 hingga 0,992, dengan rata-rata deviasi rekonstruksi bentuk di bawah 0,3 persen pada tiga dari empat set data tersebut.
Potensi Aplikasi di Luar Industri Kedirgantaraan
Manfaat teknologi ini tidak hanya terbatas pada pesawat terbang. Shimoyama memaparkan bahwa metode serupa dapat diterapkan untuk mendesain bilah turbin angin pembangkit listrik, pompa industri, kipas pendingin, hingga sistem pendingin ruangan (HVAC).
Meski demikian, para peneliti menggarisbawahi bahwa PI-GAE sejauh ini baru diuji pada variasi bentuk yang serupa dengan data pelatihan. Riset lanjutan terus berjalan guna menangani geometri yang lebih asing dan kompleks agar siap diaplikasikan secara luas di industri.
Apa Artinya bagi Pelaku Usaha
Inovasi ini relevan bagi direktur operasional, manajer rekayasa, dan pemilik pabrik komponen mekanikal di Indonesia. Siklus pengujian desain fisik yang selama ini membebani kapasitas komputasi internal kini berpeluang dipersingkat sejak fase perancangan awal.
Bagi manufaktur lokal yang memproduksi kipas industri, kompresor, atau komponen HVAC, integrasi AI aerodinamika membuka jalan peningkatan efisiensi energi produk akhir. Desain bilah yang lebih aerodinamis memberi nilai jual kompetitif karena menekan konsumsi daya operasional milik pelanggan.
Langkah mitigasi yang perlu disiapkan pelaku usaha adalah audit kesiapan data desain internal. Manajemen sebaiknya mulai merapikan dokumentasi data simulasi Computer-Aided Design (CAD) historis agar siap diolah saat arsitektur model AI semacam ini diintegrasikan ke perangkat lunak komersial.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 11 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- TechXplore: AI system can reconstruct aerodynamic shapes and predict their performance
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Peneliti Kyushu University mengembangkan sistem AI yang memprediksi performa aerodinamika sekaligus merekonstruksi bentuk fisik komponen. | Didukung | “researchers at Kyushu University have developed a new artificial intelligence (AI) system that can predict the aerodynamic performance of different shapes.” TechXplore |
| Sistem AI PI-GAE merekonstruksi bentuk komponen dengan deviasi rata-rata di bawah 0,3% pada 3 dari 4 set data pengujian. | Didukung | “In three of the four datasets, the reconstructed shapes had an average deviation of less than 0.3% from the originals.” TechXplore |
| Akurasi prediksi performa aerodinamika PI-GAE mencapai koefisien determinasi antara 0,946 hingga 0,992. | Didukung | “coefficients of determination ranging from 0.946 to 0.992 across the four tests.” TechXplore |
| Penelitian dipimpin oleh Profesor Koji Shimoyama dari Kyushu University bersama Thanasak Wanglomklang dari LTDS Laboratory di École Centrale de Lyon. | Didukung | “Researchers led by professor Koji Shimoyama of Kyushu University's Faculty of Engineering, Department of Mechanical Engineering, and Thanasak Wanglomklang, a researcher from the LTDS Laboratory at École Centrale de Lyon” TechXplore |
| PI-GAE adalah singkatan dari physics-informed geometry-embedded graph autoencoder. | Didukung | “PI-GAE (physics-informed geometry-embedded graph autoencoder)” TechXplore |
| Makalah penelitian diterbitkan di jurnal Computer Methods in Applied Mechanics and Engineering. | Didukung | “The paper was published on Oct. 28, 2026, in the journal Computer Methods in Applied Mechanics and Engineering .” TechXplore |
| Komponen aerodinamika biasanya direpresentasikan sebagai computational mesh berisi ribuan titik terhubung. | Didukung | “Aerodynamic components are typically represented as computational meshes containing thousands of connected points.” TechXplore |
| PI-GAE mendeskripsikan setiap bentuk menggunakan sejumlah variabel yang lebih kecil untuk merekonstruksi bentuk dan memprediksi performa. | Didukung | “PI-GAE describes each shape using a smaller number of variables. These variables are then used to recreate the original shape and predict its aerodynamic performance.” TechXplore |
| Sistem diuji pada empat set data mencakup sayap 2D dan 3D serta bilah kompresor. | Didukung | “They tested it on four datasets covering two-dimensional and three-dimensional wings and compressor blades.” TechXplore |
| Profesor Shimoyama menyatakan pendekatan serupa dapat berguna untuk kipas, pompa, turbin angin, dan peralatan pendingin udara. | Didukung | “Beyond aviation, similar approaches could be useful for fans, pumps, wind turbines and air-conditioning equipment," says Shimoyama.” TechXplore |
| Peneliti menyebutkan sistem sejauh ini baru diuji pada sayap dan bilah yang mirip dengan data pelatihan, serta berencana mengembangkannya untuk bentuk yang lebih asing dan kompleks. | Didukung | “The researchers caution that the system has so far been tested on wings and blades similar to those used for training. They plan to further develop it to handle unfamiliar and more complex shapes.” TechXplore |
Video AI terbaru
What Codex Unlocks for Holiday Extras
