Forskning fører til bedre modellering af hypersonisk flow

Hypersonisk flyvning omtales konventionelt som evnen til at flyve med hastigheder, der er betydeligt hurtigere end lydens hastighed og præsenterer et ekstraordinært sæt tekniske udfordringer. Som et eksempel, når en rumkapsel igen kommer ind i Jordens atmosfære, den når hypersoniske hastigheder - mere end fem gange lydens hastighed - og genererer temperaturer over 4, 000 grader Fahrenheit på dens ydre overflade. At designe et termisk beskyttelsessystem til at holde astronauter og last sikker kræver en forståelse på molekylært niveau af den komplicerede fysik, der foregår i gassen, der strømmer rundt om køretøjet.

Nyere forskning ved University of Illinois Urbana-Champaign tilføjede ny viden om de fysiske fænomener, der opstår, når atomer vibrerer, rotere, og kolliderer i dette ekstreme miljø.

"På grund af den relative hastighed af strømmen omkring køretøjet, der dannes et stød foran kapslen. Når gasmolekylerne krydser stødet, nogle af deres egenskaber ændres næsten øjeblikkeligt. I stedet, andre har ikke tid nok til at tilpasse sig de pludselige ændringer, og de når ikke deres ligevægtsværdier, før de ankommer til køretøjets overflade. Laget mellem stød og varmeskjold er så fundet i uligevægt. Der er meget, som vi endnu ikke forstår om de reaktioner, der sker i denne type flow, " sagde Simone Venturi. Han er en kandidatstuderende, der studerer hos Marco Panesi i Institut for Luftfartsteknik på UIUC.

Venturi forklarede, at de ikke kan beskrive flowet på samme måde som et komprimerbart flow i lavere hastigheds aerodynamik, som ser på flowets bulkegenskaber. Hypersoniske strømme studeres på mikroskopisk niveau for at forstå, hvordan molekylerne og atomerne interagerer og, ultimativt, hvordan man modellerer disse interaktioner.

"Problemet kompliceres endnu mere af antallet af fænomener, der opstår samtidigt - ingen ligevægt er kun et af dem, " sagde Venturi. "Stråling, for eksempel, er en konsekvens af de ophidsede elektroniske tilstande. På samme tid, strømmen interagerer med gasserne, der er et resultat af ablationen af ​​kapseloverfladen."

Forskningen så på uligevægt fra perspektivet af vibrationer og rotation af molekylerne i strømmen omkring køretøjet, eller rovibrationer, et ord, der almindeligvis bruges i studiet af hypersonik og kvantefysik.

"Input til vores simuleringer kommer fra de første principper i kvantefysikken. Vi betragter atomerne i et sæt relative afstande, og vi beregner de resulterende interaktionsenergier ved at løse Schrödinger-ligningen, " sagde Venturi. "Løsningen kommer kun på et diskret sæt punkter. Maskinlæring hjælper os med at tilpasse og producere en kontinuerlig overflade - det vi kalder den potentielle energioverflade."

I de seneste år, forskere begyndte at se på neurale netværk for at generere overflade mellem disse punkter.

"Vi tilføjede et yderligere niveau af kompleksitet ved at udvide de neurale netværk via probabilistisk maskinlæring, " sagde Venturi. "Dette giver os ikke kun mulighed for at beskrive de atomare interaktioner mere præcist, men det kvantificerer også den usikkerhed, der påvirker disse objekter. Vi skabte en fordeling af overflader, i stedet for kun én overflade, fordi forudsigelsen, der kommer ud af disse modeller, ikke kun er en enkelt værdi, men en fordeling af værdier. Så, det er forudsigelse med usikkerhed omkring værdien. Resultatet er ikke et præcist svar, men en fordeling af svar."

Venturi sagde, efter at de repræsenterede interaktionsenergien mellem molekyler og atomer, de simulerede milliarder af kollisioner.

"Vi ved, hvad der sker på et lille sæt af rumlige punkter, og så bruger vi den klassiske mekaniks ligning. Ligningerne er de samme, der styrer billardkugler, der kolliderer. Forskellen er, at vi bruger disse interaktioner, disse kvanteinteraktioner, som drivkræfter. Denne komplikation er påkrævet af problemets atomare skala, da partiklerne kan mærke hinanden, selv når de er fjerne. Med et stort antal kollisioner, vi kan få sandsynligheden for, at visse reaktioner vil ske. Vi bruger disse sandsynligheder for reaktion i beregningsmæssig væskedynamik med det ultimative mål at forudsige fluxene og designe sikrere varmeskjolde, " han sagde.

Selvom de ikke var de første til at bruge maskinlæring til at konstruere potentielle energioverflader, Venturi sagde, "vi var de første til at opnå usikkerheder på disse mængder. Det er en måde at validere nøjagtigheden af ​​maskinlæring anvendt til konstruktionen af ​​disse potentialer."

I det andet forskningsprojekt, Venturi sagde, at de nu ved mere om disassocieringsdynamikken i hypersoniske strømme, det er, hvordan molekylerne bryder deres bindinger og bliver til to separate atomer som følge af kraftige kollisioner.

"De ekstreme temperaturer i hypersoniske regimer genererer meget ejendommelig fysik, Venturi sagde. "Det gør det umuligt at skelne mellem vibrationer og rotationer af molekylerne. Du kan ikke opdele dem, fordi de er meget koblet sammen. Vi fandt ud af, at denne effekt har vigtige konsekvenser af dissociationsmekanismerne.

"Det er interessant, ikke kun fra et kemiperspektiv, men også ud fra et ingeniørmæssigt synspunkt. De kemiske reaktioner, der finder sted, efter at gasmolekylerne og atomerne kolliderer, frigiver enten energi til strømmen eller trækker energi fra den, " sagde Venturi. "Så, hvis vi ønsker at kvantificere den varmeflux, der rammer varmeskjoldet, vi skal forudsige, hvor meget energi der er lagret i strømmen omkring køretøjet. Dissociationen af ​​molekylerne i atmosfæren er ikke noget, vi normalt observerer ved stuetemperatur. Det begynder først at være relevant ved temperaturer over 4, 500 grader Fahrenheit for ilt og 7, 000 grader Fahrenheit for nitrogen. Det er et interessant fænomen, og nu forstår vi mere om det."

De to artikler blev anerkendt med forsider af The Journal of Physical Chemistry . Simone Venturi, en ph.d.-studerende hos Marco Panesi i Institut for Luftfartsteknik og SKAK, udnytter Machine Learning og Data Science til at studere kemi i hypersoniske miljøer.