De acordo com pt.wedoany.com-O Grupo Dallara da Itália e a IBM dos EUA anunciaram oficialmente uma colaboração em 30 de abril de 2026, para desenvolver conjuntamente um modelo fundamental de IA baseado em física, com o objetivo de acelerar o design e a otimização aerodinâmica de veículos de alto desempenho, e iniciar a aplicação exploratória da computação quântica no fluxo de trabalho de design. A Dallara é uma fabricante líder global de carros de corrida e veículos de alto desempenho, fornecendo exclusivamente chassis para categorias de topo como IndyCar, Fórmula 2, Fórmula 3, Super Fórmula e Indy NXT, além de atender séries como Fórmula E, WEC e IMSA. Sua capacidade de engenharia também se estende aos setores de carros de estrada de alto desempenho e aeroespacial.
O principal veículo técnico desta colaboração é o modelo de rede neural de grafos GIST, projetado pela IBM Research. De acordo com o anúncio conjunto divulgado por ambas as partes, num teste inicial com um objeto semelhante a um protótipo Le Mans 2, os engenheiros conceberam várias configurações geométricas para o difusor traseiro — um componente chave localizado na parte inferior da traseira do carro, usado para gerar downforce e aumentar a aderência. Estas configurações foram avaliadas utilizando métodos tradicionais de CFD e o modelo de IA física da IBM. O CFD tradicional levou várias horas para concluir todos os cálculos de configuração, enquanto o modelo de IA concluiu a mesma avaliação em cerca de 10 segundos, identificando o mesmo design ideal com uma margem de erro comparável à do CFD. A Dallara estima que a aplicação deste modelo de IA substituto à avaliação típica de centenas de configurações geométricas pode comprimir o tempo de simulação de vários dias para meros minutos.
O avanço técnico do modelo GIST reside no salto cognitivo da "nuvem de pontos" para a "topologia de malha". Anteriormente, os modelos de grafos usados para prever forças aerodinâmicas geralmente tratavam a malha do carro de corrida como uma simples nuvem de pontos, o que poderia ser suficiente para automóveis de passageiros comuns, mas não para componentes aerodinâmicos extremamente finos, como as aletas dianteiras ou os flaps Gurney nas asas traseiras, onde dois pontos fisicamente adjacentes na estrutura da malha podem estar sujeitos a forças completamente opostas. O GIST codifica simultaneamente as coordenadas dos pontos da malha e as suas relações de conectividade, capturando a topologia da malha com maior precisão e fornecendo resultados mais conformes às leis físicas nas previsões de componentes complexos. Para reduzir a complexidade da capacidade de expansão do grafo Transformer, os investigadores utilizaram um método de projeção aleatória para gerar embeddings de grafo e conceberam uma arquitetura invariante por norma, garantindo que o modelo generaliza perfeitamente entre diferentes projeções de embedding e densidades de malha.
Os dados de treino do modelo provêm de dados de simulação aerodinâmica de alta fidelidade e da profunda experiência técnica proprietária da Dallara. As partes planeiam introduzir dados reais de túnel de vento e pista em fases futuras para aumentar ainda mais o realismo do modelo. O CEO da Dallara, Andrea Pontremoli, salientou que o salto de várias horas para segundos significa que é possível completar muito mais iterações de desenvolvimento no mesmo período de tempo, e que a IBM é um parceiro único para trazer capacidades de computação quântica para estes algoritmos, permitindo mais avanços no futuro. Alessandro Curioni, Vice-Presidente Sénior da IBM Research, afirmou que a IA está a evoluir para uma capacidade fundamental que pode ser integrada em todos os fluxos de trabalho, e que este novo tipo de IA que aprende com os dados, juntamente com a evolução algorítmica, permite aos engenheiros fazer descobertas de uma forma radicalmente diferente, com uma velocidade várias ordens de grandeza superior.
O Diretor de Informação da Dallara, Fabrizio Arbucci, destacou que os veículos de alto desempenho são um campo de teste ideal para modelos de agentes neurais, e o seu impacto potencial vai muito além das pistas. Mesmo uma redução de 1% a 2% no arrasto aerodinâmico no setor de automóveis de passageiros, quando agregada, resultaria num ganho considerável de eficiência de combustível. Portanto, além de fornecer ferramentas de desenvolvimento mais eficientes para projetos de corrida existentes como LMP2 e IndyCar, as perspetivas de aplicação desta tecnologia podem estender-se à otimização aerodinâmica em automóveis de passageiros de produção em série e no setor aeroespacial. A IBM e a Dallara iniciaram simultaneamente a aplicação exploratória da computação quântica, avaliando se a computação quântica e a computação híbrida quântico-clássica podem expandir ainda mais a fidelidade da simulação de problemas aerodinâmicos complexos. Os resultados preliminares relacionados foram publicados num estudo preprint no arXiv.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
