このウェビナーでは、3次元逆解法設計と物理強化型機械学習（PEML）を応用して、高性能なインデューサー一体型のロケットポンプ用インペラを開発する、革新的な設計・最適化手法を紹介します。独立したインデューサーを廃止し、同じ子午面上のハブおよびシュラウドの形状内にスプリッター付インペラ構造を採用することで、翼列間の相互作用の問題を完全に回避しています。この最適化ワークフローでは、設計点におけるスロート面積とステージヘッドという2つの主要な制約条件の下、13個のパラメーターによる設計空間を用いて、翼間の通路内の流れを制御する物理現象をパラメーター化しています。キャビテーション性能の最適化を進めるため、3次元逆解法から得られた翼面上の最低圧力（Pmin）を、キャビテーション発生の優れた相関指標として活用しており、設計後は完全な2相流CFD解析によって検証されています。

3次元逆解法設計による幾何形状のパラメーター化と、独自の反応型機械学習アルゴリズムの活用によって実現した「物理学強化型機械学習」を用いることで、わずか57個のデータセットから極めて高精度なサロゲートモデルが作成されました。機械学習によって抽出された2つの異なる設計について、複数の運転点でCFDによる検証を行った結果、ほとんどのパラメーターにおいて、サロゲートモデルの予測誤差が0.3%未満であることが確認されました。その結果得られたコンパクトな4枚羽根の一体型インペラのターボポンプは、すべてのベースライン性能指標に匹敵するか、それを上回っており、次世代ロケットエンジン設計の新たなパラダイムを確立しました。