מהנדסי MIT יצרו יותר מ-8,000 עיצובי רכב חשמלי (EV) שניתן לשלב איתם(AI) כדי לבנות במהירות מכוניות בעתיד.
המכונה "DrivAerNet++", מסד נתונים זה בקוד פתוח כולל עיצובים המבוססים על סוגי המכוניות הנפוצים ביותר שקיימים כעת, אמרו המהנדסים, המוצגים כמודלים תלת מימדיים המשלבים מידע כגון מידת האווירודינמיות של העיצוב.
היו בסביבה במשך, אך הרקיע שחקים בפופולריות לאחרונה. תכנון המכוניות הללו לוקח לחברות מספר שנים, משאבים, איטרציות ותיקונים עד שהן מגיעות לתכנון סופי שממנו הן יכולות לבנות אב טיפוס פיזי.
בשל אופיו הקנייני, המפרטים והתוצאות מבדיקות אלו (כמו גם האווירודינמיקה של אבות הטיפוס) הם פרטיים. המשמעות היא שהתקדמות משמעותית בטווח EV או ביעילות הדלק יכולה להיות איטית, אמרו המדענים.
אולם מסד הנתונים החדש נועד להאיץ את החיפוש אחר עיצובי מכוניות טובים יותר באופן אקספוננציאלי.
ספרייה דיגיטלית זו של עיצובי מכוניות כוללת נתונים מפורטים על מפרטים ואווירודינמיקה. הספרייה הדיגיטלית הזו יכולה לשמש ליצירת עיצובים חדשים של מכוניות חשמליות אם תשולב עם דגמי AI בעתיד, אמרו החוקרים.
המהנדסים אמרו כי על ידי ייעול תהליך ממושך, יצרנים יכולים לפתח עיצובי EV מהר יותר מאי פעם.
קָשׁוּר:
הצוות הציג מאמר שהועלה ב-13 ביוני להדפסה המוקדמתarXivמסד נתונים, המתאר את מערך הנתונים וכיצד ניתן לשלב אותו עם טכנולוגיות AI. הם תיארו את העבודה ב-כנס NeurIPSבוונקובר בדצמבר. א
נשען על AI כדי ליצור עיצובי מכוניות בשניות
מערך הנתונים שיצרו החוקרים יצר 39 טרה-בייט של נתונים תוך צריכת 3 מיליון שעות יחידות עיבוד מרכזיות עםMIT SuperCloud- אשכול עצום של מחשבים המשמשים למחקר מדעי שניתן לגשת אליהם מרחוק.
הצוות יישם אלגוריתם שכיוון באופן שיטתי 26 פרמטרים, כולל אורך הרכב, תכונות המרכב, צורות הדריכה והגלגלים ושיפוע השמשה עבור כל דגם מכונית בסיסי. הם גם הפעילו אלגוריתם שקבע אם עיצוב חדש שנוצר הוא עותק של משהו שכבר קיים או חדש באמת.
כל עיצוב תלת-ממדי הומר לפורמטים שונים ניתנים לקריאה - כולל רשת, ענן נקודות או פשוט רשימה של מידות ומפרטים. לבסוף, הם הריצו סימולציות מורכבות של דינמיקת נוזלים כדי לחשב כיצד האוויר יזרום סביב כל עיצוב שנוצר.
"התהליך קדימה הוא כל כך יקר שיצרנים יכולים רק להתאים מעט מכונית מגרסה אחת לאחרת", הוסיףפאז אחמד, עוזר פרופסור להנדסת מכונות ב-MIT, ב-aהַצהָרָה. "אבל אם יש לך מערכי נתונים גדולים יותר שבהם אתה יודע את הביצועים של כל עיצוב, עכשיו אתה יכול לאמן מודלים של למידת מכונה לעבור מהר, כך שיש לך סיכוי גבוה יותר לקבל עיצוב טוב יותר."
מוחמד אלרפאי, סטודנט להנדסת מכונות ב-MIT, אמר בהצהרה כי מערך הנתונים יכול לעזור לקצץ בעלויות המחקר והפיתוח ולהאיץ את ההתקדמות. הוא הוסיף כי זירוז תהליך התכנון יעזור גם לאקלים אם זה אומר שכלי רכב יעילים יותר יגיעו לצרכנים מוקדם יותר. , המפתח להאצת עיצוב זה הוא אינטגרציה עם כלי בינה מלאכותית. מערך הנתונים מאפשר לך לאמן מודל AI מחולל "לעשות דברים בשניות ולא בשעות", הוסיף אחמד.
מודלים קודמים של בינה מלאכותית יכלו ליצור עיצובים אופטימליים לכאורה, אבל הם הסתמכו על נתוני אימון מוגבלים.
מערך הנתונים החדש מספק את נתוני האימון החזקים יותר שבהם יכולים כעת מודלים של AI להשתמש כדי ליצור עיצובים חדשים או לבחון את האווירודינמיקה של עיצובים קיימים. לאחר מכן ניתן להשתמש בזה כדי לחשב את היעילות והטווח של ה-EV ללא צורך באב טיפוס פיזי.
