南乌拉尔国立大学研究团队在В.Б.赫里斯坚科资助项目的支持下，正致力于开发一款软件系统，以简化工程设计流程。在经典计算流体气体动力学（颁贵顿）中，求解过程采用迭代方式进行，需构建计算网格，对于复杂问题而言，这一过程往往需要数小时甚至数天。
据项目负责人——南乌拉尔国立大学航空航天学院院长、飞行器发动机教研室主任、技术科学副博士、副教授鲁斯兰·佩什科夫介绍，该求解器核心采用了一颗经质量、动量和能量守恒定律训练的神经网络。在神经网络训练过程中，会借助经典颁贵顿的计算机制，但训练完成后，该网络表现为一个对于坐标和问题参数的函数，无需大量迭代即可直接输出速度、压力和温度值。这能够在多方案设计早期阶段加速计算，对航空航天领域而言尤为关键。
项目目前正处于构建神经网络训练环境的阶段。研究人员正针对外部绕流、内部流动及传热等问题探索不同的网络架构。目前已有多篇论文发表于会议论文集，包括第八届“民航：历史与当代”国际科学与实践会议、第十八届“青年·技术·太空”国际青年科学与技术会议；另有一篇论文已投稿至ВАК（俄罗斯最高学位评定委员会）期刊，同时正基于训练环境软件代码的开发成果准备知识产权申请。
值得强调的是，该开发面向的对象并非程序员，而是普通的计算工程师。图形界面将与标准颁贵顿软件包类似，执行计算时无需具备神经网络编程知识。不过，针对特定任务进行模型微调仍需相应的专业能力。此外，网络训练需要高性能工作站，但后续实际计算时，普通个人计算机即可满足需求。
展望未来，开发团队计划向分离流、多相流、含激波流动及气动声学等方向拓展。此外，团队还规划了笔滨狈狈（物理信息神经网络）与骋础狈（生成对抗网络）的协同应用，其中一张网络负责生成新的几何外形（如翼型），另一张则即时评估各项性能指标（如气动特性），这将为全自动化最优方案搜索开辟新的可能。
由此可见，基于笔滨狈狈的神经网络求解器是经典颁贵顿方法的有前景的补充，而非完全替代——至少在近期内如此。
该项目在В.Б.赫里斯坚科“迈向未来”资助计划框架下实施。该计划是“优先事项-2030”框架内对大学发展规划进行年度资金支持的项目，旨在为前沿研究、人才储备建设及特色教育项目（组成部分）的实施提供资助，这些项目决定了南乌拉尔国立大学及车里雅宾斯克州的发展方向。