Estudo sobre bibliotecas de inteligência artificial e aprendizado de máquina para a linguagem de programação python

Abstract

Resumo: A Inteligência Artificial é um campo da tecnologia moderna que se dedica majoritariamente ao desenvolvimento de sistemas que podem raciocinar, aprender e tomar decisões de forma autônoma, sendo assim o aprendizado de máquinas é uma área da IA que se concentra no desenvolvimento de algoritmos que podem aprender com dados sem serem capacitados a isso previamente. As bibliotecas de Aprendizado de Máquina para Python são ferramentas essenciais para o desenvolvimento de aplicações nessas áreas, pois fornecem uma ampla gama de funcionalidades e vantagens, permitindo assim que desenvolvedores tenham seu ponto de início de forma facilitada. Este trabalho apresenta uma análise de duas bibliotecas disponíveis para Python, destacando suas características, funcionalidades e vantagens. Esse estudo promove a explicitação de como funciona as bibliotecas, suas adequações para cada tipo de problema, e suas diferenciações entre si. A escolha das duas bibliotecas mais completas até então para o uso em softwares faz com que o trabalho tenha um grau de informação mais completo para o público que usa a linguagem Python como ferramenta de trabalho. Além disso é possível notar que cada biblioteca possui vantagens diferentes das outras, podendo fazer com que o programador possua a capacidade de mesclagem para extração completa de todos os benefícios. Pela relevância do tema, é possível notar que existe pouca documentação voltada especificamente a informação exclusiva de cada função dentro de cada biblioteca existente.

Abstract: Aeroelasticity is defined as the science that studies the mutual interaction among aerodynamic, elastic and/or inertial forces and has analyses that are fundamental for the certification and safety of an aeronautical project. Aeroelasticity studies require a large number of simulations. In the case of aircraft flying in transonic regime, simulations demand computational tools using three-dimensional aerodynamic meshes. However, currently, these have high costs linked to computational processing time. The present work aims to develop a methodology for studying the Flutter phenomenon in transonic regime, using a two-dimensional mesh, thus offering a significant reduction in computational cost. Initially, the methodology was deployed on the NACA64A010 airfoil in subsonic regime, with the purpose of validating it by comparison with the results available in literature. By reaching compatible results, an evaluation was carried out in transonic regime. Using the research developed by NASA in 2001 in transonic regime as a basis, a typical section was defined using the finite element method. This typical section gave rise to a geometry with which a twodimensional mesh was generated, whose analysis results were compared with those obtained in wind tunnel tests carried out by NASA.