DeepSPACE — это не футуристический фильм, новая видеоигра или очередной сезон классического сериала. На самом деле, новое программное обеспечение для проектирования, разработанное аэрокосмическим инженером из Университета Иллинойса в Урбана-Шампейн, вообще не связано с космосом. Этот новый инструмент учитывает вашу концепцию и требования и быстро генерирует традиционные или необычные конфигурации проекта, включая 3D-модель CAD и оценку производительности.
«Мы хотели сделать для проектирования и проектирования то же, что большие языковые модели искусственного интеллекта сделали для текста», — сказал Умный Джордан. «В настоящее время, когда вы открываете программное обеспечение для инженерного проектирования, вас встречает пустой экран. Используя deepSPACE, вы сообщаете ему о своих потребностях, и он генерирует от 100 до 1000 работоспособных концепций за время, необходимое человеку для рассмотрения одной или двух. Это дает вам гораздо лучшее представление о большом дизайнерском пространстве.
И Смарт сказал, что deepSPACE — это не только вопросы, связанные с физикой. «Он обучен на сочетании исторических и симуляционных данных, но может использовать стандартные инструменты оценки затрат и получать по крайней мере такой же уровень отдачи от анализа затрат. »
Чтобы продемонстрировать свою гибкость, Смарт и исследовательский партнер Эмилио Ботеро использовали deepSPACE для создания проектов физических систем для балок, колес и самолетов, а также для операционных логистических сетей. Они установили партнерские отношения с производителями самолетов и автомобилей, чтобы гарантировать, что deepSPACE будет полезен исследователям и специалистам отрасли.
«Мы узнали, что, хотя люди хотят, чтобы DeepSPACE был полнофункциональным, компании предпочитают создавать собственные модели, связанные с их собственными данными и идеями. На серверной стороне мы можем создавать собственные модели для исследований или проектирования, но их также можно использовать с нуля. Это обучаемая платформа.
По словам Смарта, deepSPACE более эффективен, чем старые алгоритмы оптимизации. «Тогда как другие сообщали о запуске 20 000 симуляций, чтобы начать настройку пространства для проектирования, мы смогли достичь аналогичных результатов, используя всего около 250 образцов. Таким образом, имея примерно в 100 раз меньше точек данных, вы можете получить реальное представление о компромиссах в области проектирования.
«Когда вы проектируете самолет и хотите знать, какой эффект может оказать на конструкцию изменение крыла, добавление двигателя или увеличение полезной нагрузки, подобные тонкости и компромиссы сложны. Традиционные методы могут учитывать тысячи различных проектных точек, прежде чем они смогут разумно интерполировать между ними. Поскольку deepSPACE строит полную генеративную модель, она может гораздо более успешно интерполировать меньшее количество точек данных. Мы можем достичь того же уровня прогнозирования с тем же уровнем точности, быстрее и с меньшими затратами.
Более низкая стоимость делает deepSPACE особенно ценным в аэрокосмической отрасли. «Мы полагаемся на моделирование, потому что строительство самолетов обходится дорого. Но мы изучаем, как это можно использовать в других секторах.
Тот факт, что deepSPACE предоставляет файл 3D CAD, является дополнительной функцией. Смарт сказал, что результаты других программ создания изображений не могут быть открыты и использованы в других программах для проектирования, при этом все их слои и эффекты останутся нетронутыми.
«С помощью deepSPACE вы получаете точно такой же тип необработанного файла, как если бы его создал человек. Таким образом, любые изменения или изменения, которые вы хотели бы внести, уже доступны. Он органично вписывается в ваш рабочий процесс, как если бы вы передали эту работу по субподряду другой компании и это был один из ее результатов.
Смарт сказал, что deepSPACE может создать уникальный диалог о дизайне с инженерами-людьми, которые его обучают.
«Один из проектов, созданных deepSPACE, показался нам абсурдным. Мы сказали: явно что-то не так. Он был спроектирован по набору требований, но ничего подобного в обучающих данных не было. Но когда мы посмотрели на результаты, реальные результаты моделирования того, что он сгенерировал, выглядели разумными и соответствовали требованиям.
Рассматриваемый самолет имел относительно короткие крылья со смещенными сзади рулевыми поверхностями для обеспечения баланса и устойчивости. Смарт сказал, что он не изучал симуляцию и не создавал что-то, что невозможно было бы построить, поэтому они начали изучать это более внимательно и поняли, что где-то видели что-то подобное. В конце концов они обнаружили, что он похож на настоящий самолет, построенный и управляемый ведущим производителем самолетов.
«Я подготовил данные для обучения, симуляцию и реальный алгоритм обучения. Мы предоставили deepSPACE учебный набор из трех обычных самолетов с трубчатым крылом, Concorde и концепции корпуса со смешанным крылом. После этого он начал генерировать свои собственные концепции и сравнивать их с моделированием и обучением. Иногда это порождало что-то нефизическое, но позволяло ему узнать, где находятся края.
«Без того, чтобы человек говорил нам: «Не думай о том или ином», он смог провести свой собственный эксперимент, например, мозговой штурм, и найти то, чего мы не ожидали. Моя личная предвзятость посоветовала бы выбросить это.
Смарт сказал, что компания deepSPACE смогла показать ему результаты моделирования и показать, насколько конструкция соответствует его требованиям. Он нашел жизнеспособное решение проблемы, именно для этого он и был задуман.
«Мы предоставили ему набор табличных исторических данных, на основе которых он расширяет свое понимание и начинает исследовать и экспериментировать. Я могу создать базовую модель для получения результатов, но затем я могу относиться к ней как к игровой площадке или песочнице. Я могу запустить новое моделирование, которого нет в исторических данных, и посмотреть, как оно пополнит мою базу данных.
«В течение многих лет мне казалось, что мы обладаем невероятными аналитическими способностями, но узким местом стали мы сами. У нас есть симуляции, но человек просто не может запускать тысячи симуляций снова и снова, отбрасывать плохие, находить хорошие и выстраивать такую интуицию. deepSPACE — это первое поколение систем, призванных быть инженером в вашем кармане. Вы можете настроить проблему и вернуться позже, чтобы найти множество различных вариантов. Затем вы сможете воспользоваться этим и пойти дальше, гораздо лучше понимая те возможности, которые у вас уже есть.
Несмотря на то, что Smart был создан для академических и отраслевых специалистов, у него есть и другие идеи.
«Моя цель — заставить учащихся средних школ использовать что-то из DeepSPACE. Они могут не знать физики или обладать всеми навыками, необходимыми для создания чертежей САПР, но у них есть идея автомобиля, поезда, космического корабля или чего-то еще. они могут поговорить об этом с deepSPACE и запустить его. Затем они смогут внести свои собственные изменения и посмотреть, что будет дальше.
Изучение, «deepSPACE: Генеративный искусственный интеллект для проектирования конфигурации исследования пространства» Эмилио Ботеро и Джордана Смарт опубликован в журнале Авиационный форум AIAA И ПОДНЯТЬСЯ. ДОИ: 10.2514/6.2024-4665. Работа поддерживается грантом Национального научного фонда.
