F1赛车空气动力学与AWS高性能计算技术解析

当2022年国际汽联一级方程式（F1）赛季在3月启动时，各车队将带着全新设计的赛车亮相赛道。这些赛车经过精心设计，旨在为车迷和车手提供更多他们渴望的并排竞技场面。

F1首席空气动力学家西蒙·道曼解释道：“任何关注这项运动的人都听过车手通过无线电抱怨无法接近前车。本质上，他们报告的是缺乏抓地力或下压力。”

空气动力学挑战

F1赛车是世界上速度最快的 regulated 公路赛车。虽然这些开放式车轮汽车仅比顶级跑车快20-30公里/小时，但由于产生的强大空气动力学下压力，它们过弯速度可达跑车的五倍。与飞机机翼产生升力的方式类似，F1赛车使用类似但相反的机制来产生所需的下压力。

当紧跟在另一辆车后比赛时，由于翼片和车身产生的湍流尾流，赛车会损失高达50%的下压力。前车的湍流导致后车打滑并失去赛道抓地力。后车车手比前车车手更早感知到抓地力损失，最终不得不松开油门。

计算流体动力学解决方案

过去三年中，F1工程团队与某机构合作，探索车辆在近距离比赛时的相互作用科学，并最终制定新的设计规范，为车迷提供更具竞争力的比赛观赏性，同时保证车手安全。

F1没有依赖耗时且昂贵的物理测试，而是使用计算流体动力学（CFD），这提供了一个研究流体流动（此处指F1赛车周围的空气）的虚拟环境，无需制造任何实体部件。通过数值求解纳维-斯托克斯方程形式，F1等公司可以从笔记本电脑研究湍流的复杂性质。

高性能计算实现

该项目开始时，F1在第三方设施使用CFD，这意味着需要与其他客户共享容量，从而限制了模拟的数量和质量。道曼的团队最终过渡到某机构的高性能计算平台，使用AWS ParallelCluster和包括基于AWS Graviton2的C6gn实例的Amazon EC2实例组合，来运行模拟车辆湍流尾流及其对后车影响的复杂模拟。

转移到某机构使团队能够摆脱串行模型，同时运行多个案例，无需在其他客户后面排队。这意味着接收和分析结果并进入下一步之间的时间大大缩短。团队能够简化许多流程。

数据成果与应用

某机构使F1在六个月内运行了5000多次单车和多车模拟，产生了5.5亿个数据点。这些见解导致了国际汽车联合会（FIA）为下一代赛车制定的设计规范，在一年距离处仅损失15%的下压力。F1车队目前正在使用这些规定设计2022赛季的赛车。

新的强大空气动力学特征包括车轮尾流控制装置；简化的前翼，将气流从前轮转移；更雕塑化的后翼，有效地从侧面吸入空气并将其提升到后车上方；简化的悬架和地板隧道。所有F1赛车将首次使用18英寸轮毂（从13英寸升级）和低断面轮胎。

机器学习未来应用

F1现在开始研究使用某机构机器学习服务（如Amazon SageMaker）来帮助优化赛车的设计和性能，通过使用模拟数据构建具有额外见解的模型。

虽然仍处于早期阶段，但机器学习正被证明是与某机构合作的另一个令人信服的理由，令人兴奋的是可以看到共同实现的成果。