Работа посвящена моделированию неравновесной колебательной кинетики углекислого газа с учетом сложных механизмов релаксации и межмодовых обменов энергией. Изучены возможности применения методов машинного обучения для повышения производительности численного моделирования неравновесных течений углекислого газа. Рассмотрены различные стратегии повышения эффективности гибридной четырехтемпературной модели кинетики CO2. Наиболее перспективным оказался предложенный авторами нейросетевой подход к расчету скорости колебательной релаксации в каждой из мод. Для задачи о пространственно однородной релаксации проведены оценки погрешности и вычислительных затрат разработанного алгоритма, продемонстрирована его высокая точность и эффективность. Впервые проведено моделирование течения углекислого газа за плоской ударной волной в полном поуровневом приближении. Выполнено сравнение с результатами, полученными в рамках гибридного четырехтемпературного подхода, показана эквивалентность подходов. Это позволяет рекомендовать построенные многотемпературные приближения в качестве основного инструмента решения задач неравновесной кинетики и газовой динамики. Гибридный четырехтемпературный подход, использующий нейросетевой способ вычисления релаксационных членов, показал ускорение численного моделирования по времени более, чем на порядок, при сохранении точности. Данная методика может быть рекомендована для решения сложных многомерных задач неравновесной газодинамики, включающих поуровневые химические реакции.
