Сможет ли ИИ найти идеальный дизайн автомобиля?

Когда вы совершаете покупки по ссылкам в наших статьях, Future и ее партнеры по синдикации могут получать комиссию.

ИИ изменил многие творческие области, и автомобильная промышленность — одна из отраслей, которая особенно воодушевлена ​​своим потенциалом. Создание нового автомобиля чрезвычайно дорого и отнимает много времени из-за количества итераций, необходимых для сначала проектирования, а затем создания прототипа автомобиля.

Дизайн электромобилей также часто вызывал споры: от конструктивных неудач Tesla Cybertruck до смелой концепции Jaguar Type 00. Лишь недавно мы увидели проблемы, с которыми сталкиваются электромобили. Кибертрак в снегу. Но исследователи Массачусетского технологического института считают, что искусственный интеллект может помочь в разработке идеального электромобиля, и они создали базу данных с открытым исходным кодом.

База данных DrivAerNet++ была составлена ​​из 39 терабайт данных, что потребовало 3 миллионов часов работы центрального процессора в течение года. Массачусетский технологический институт Супероблако. Он включает в себя более 8000 3D-моделей, основанных на существующих конструкциях автомобилей, созданных с помощью алгоритма, который корректирует 26 параметров, от длины автомобиля и характеристик днища до наклона лобового стекла, формы протектора и колес для каждой базовой модели.

Команда также запустила алгоритм, чтобы определить, является ли вновь созданный дизайн копией уже существующего автомобиля или новым дизайном. Затем 3D-проекты были преобразованы в читаемые форматы: сетка, облако точек и список размеров и спецификаций. Моделирование гидродинамики было выполнено для расчета того, как воздух будет обтекать каждую созданную конструкцию, чтобы предоставить характеристики аэродинамики.

Идея состоит в том, что набор данных можно использовать для обучения модели искусственного интеллекта, которая затем сможет искать наилучшее сочетание функций, от аэродинамического дизайна до эффективного и экологически чистого двигателя, тем самым сокращая затраты на исследования и разработки и ускоряя процесс. дизайн автомобиля. .

Фаез Ахмед, доцент кафедры машиностроения Массачусетского технологического института, сказал: «Усовершенствованный процесс настолько дорог, что производители могут лишь незначительно модифицировать автомобиль от одной версии к другой. Но если у вас есть большие наборы данных, и вы знаете, как работает каждая конструкция, теперь вы можете научить модели машинного обучения выполнять быстрые итерации, чтобы повысить вероятность получения лучшего дизайна.

Команда описала свой бумага к Конференция НейрИПС в Ванкувере в декабре.