Los investigadores de aviación se están enfocando cada vez más en diseños de vehículos no convencionales con sistemas de propulsión integrados de manera estrecha para mejorar el rendimiento general de las aeronaves y reducir el impacto ambiental. Analizar adecuadamente estos tipos de vehículos y sistemas de propulsión requiere modelos multidisciplinarios que incluyan muchas variables de diseño y herramientas de análisis basadas en la física. Esta necesidad plantea un desafío desde el punto de vista del modelado de propulsión porque las herramientas actuales de análisis de ciclos termodinámicos de última generación no están bien adaptadas para la integración en modelos a nivel de vehículos o para la aplicación de técnicas de optimización eficientes basadas en gradientes que ayudan a contrarrestar los costos computacionales crecientes. Por lo tanto, el objetivo de este esfuerzo de investigación fue investigar el desarrollo de un nuevo código de análisis de ciclos termodinámicos, llamado pyCycle, para abordar esta limitación y permitir la optimización del diseño de estos nuevos conceptos de vehículos. Este documento documenta el desarrollo, verificación y aplicación de este código a la optimización del diseño de un motor turbofan avanzado. Los resultados de este estudio muestran que los modelos de pyCycle calculan datos de ciclos termodinámicos dentro del 0.03% de un modelo de Simulación Numérica de Sistemas de Propulsión (NPSS) idéntico. pyCycle también proporciona información de gradiente más precisa en tres órdenes de magnitud menos tiempo computacional al utilizar derivadas analíticas. Se encontró que la capacidad de pyCycle para proporcionar de manera precisa y eficiente esta información de derivadas para la optimización basada en gradientes tenía un beneficio significativo en el proceso de optimización general, con tiempos de espera al menos siete veces más rápidos que utilizando métodos de diferencia finita alrededor de las herramientas existentes. Los resultados de este estudio demuestran el valor de utilizar derivadas analíticas para la optimización de modelos de ciclos y proporcionan una fuerte justificación para integrar derivadas en otros análisis de ingeniería importantes.