Machine Learning Takes Flight: Designing Drone Wings for Mars's Thin

Investigadores de UPES Dehradun, publicados en Aerospace Systems, reportan cómo el aprendizaje automático puede acelerar el diseño de alas para drones que vuelen en Marte. El trabajo se centra en el gran reto de la atmósfera marciana: su densidad en superficie es apenas alrededor del 1% de la terrestre, lo que obliga a generar sustentación en un medio casi vacío. El equipo, liderado por Saumya Mathur, Suruchi Gupta, Devdeep Singh y Harshit Shukla, crea un marco híbrido que combina dinámica de fluidos computacional (CFD) con modelos de machine learning, incluyendo una physics-guided neural network. Usando simulaciones CFD con perfiles NACA, exploran rangos de número de Reynolds, Mach y ángulo de ataque, evaluando métricas como CL/CD y un parámetro de resistencia proporcional a CL^(3/2)/CD para maximizar eficiencia y tiempo de misión antes de que se agote la batería.