Naukowcy z użyciem uczenia maszynowego opracowali system do klasyfikacji obciążeń od porywów wiatru, który łączy naukową obiektywność z przejrzystością eksperta. Zamiast opierać się na tradycyjnych parametrach opisowych, metoda koduje doświadczenia z 3480 pomiarów ciśnienia na latającym skrzydle w sześciu różnych ustawieniach i wybiera minimalny zbiór reprezentatywnych przykładów - exemplarów - które posłużą jako kryterium klasyfikacji pozostałych obserwacji.
Ta procedura ujawniła dziewięć fundamentalnych typów odpowiedzi obciążeniowej, które konsekwentnie występują niezależnie od konfiguracji lotu. Każdy typ można zanalizować pod kątem jego odpowiedzi przejściowej, co otwiera drzwi do głębszego zrozumienia dynamiki płynów i aerodynamiki porywitych warunków. Exemplary mogą być łatwiej inspekcjonowane przez ekspertów i wykorzystane jako podstawa bardziej wyspecjalizowanych eksperymentów, czyniąc całe podejście praktycznym narzędziem inżynierskim.
Mogący mieć znaczący wpływ na inżynierię lotniczą system stanowi fuzję między interpretacyjnością tradycyjnych metod a mocą uczenia maszynowego. Zamiast polegać wyłącznie na parametrach takich jak wysokość czy kąt natarcia, naukowcy uzyskali obiektywny wgląd w rzeczywiste zachowanie fizyczne struktury pod obciążeniami dynamicznymi - coś, co mogłoby prowadzić do lepszych modeli projektowych i bardziej bezpiecznych samolotów.