วิศวกรของ MIT ได้สร้างรถยนต์ไฟฟ้า (EV) มากกว่า 8,000 แบบที่สามารถนำมาผสมผสานกันได้(AI) เพื่อสร้างรถยนต์อย่างรวดเร็วในอนาคต
ฐานข้อมูลโอเพ่นซอร์สที่ได้รับการขนานนามว่า "DrivAerNet++" นี้ประกอบด้วยการออกแบบที่อิงตามประเภทรถยนต์ที่พบบ่อยที่สุดในขณะนี้ วิศวกรกล่าว โดยแสดงเป็นโมเดล 3 มิติที่รวมข้อมูล เช่น การออกแบบตามหลักอากาศพลศาสตร์
ได้รับรอบสำหรับแต่กลับได้รับความนิยมพุ่งสูงขึ้นอย่างรวดเร็วในช่วงหลังๆ นี้ การออกแบบรถยนต์เหล่านี้ต้องใช้เวลาหลายปี บริษัทต่างๆ ทรัพยากร การทำซ้ำ และการแก้ไขจนกว่าจะถึงการออกแบบขั้นสุดท้ายซึ่งพวกเขาสามารถสร้างต้นแบบทางกายภาพได้
เนื่องจากมีลักษณะเป็นกรรมสิทธิ์ ข้อมูลจำเพาะและผลลัพธ์จากการทดสอบเหล่านี้ (รวมถึงหลักอากาศพลศาสตร์ของรถต้นแบบ) จึงเป็นข้อมูลส่วนตัว ซึ่งหมายความว่าความก้าวหน้าที่สำคัญในช่วง EV หรือประสิทธิภาพการใช้เชื้อเพลิงอาจช้าลง นักวิทยาศาสตร์กล่าว
อย่างไรก็ตาม ฐานข้อมูลใหม่นี้มีจุดมุ่งหมายเพื่อเพิ่มความเร็วในการค้นหาการออกแบบรถยนต์ที่ดีกว่าแบบทวีคูณ
ห้องสมุดดิจิทัลสำหรับการออกแบบรถยนต์นี้มีข้อมูลโดยละเอียดเกี่ยวกับข้อมูลจำเพาะและอากาศพลศาสตร์ นักวิจัยกล่าวว่าห้องสมุดดิจิทัลนี้สามารถนำมาใช้เพื่อสร้างการออกแบบรถยนต์ไฟฟ้าใหม่ๆ ได้หากรวมกับโมเดล AI ในอนาคต
วิศวกรกล่าวว่าการปรับปรุงกระบวนการที่ใช้เวลานานช่วยให้ผู้ผลิตสามารถพัฒนาการออกแบบ EV ได้เร็วกว่าที่เคย
ที่เกี่ยวข้อง:
ทีมงานนำเสนอบทความซึ่งอัปโหลดเมื่อวันที่ 13 มิถุนายนไปยังฉบับพิมพ์อาร์เอ็กซ์ฐานข้อมูล สรุปชุดข้อมูล และวิธีการรวมเข้ากับเทคโนโลยี AI พวกเขาบรรยายถึงการทำงานที่การประชุม NeuroIPSในแวนคูเวอร์ในเดือนธันวาคม ก
อาศัย AI เพื่อสร้างการออกแบบรถยนต์ในไม่กี่วินาที
ชุดข้อมูลที่นักวิจัยสร้างขึ้นสร้างข้อมูลได้ 39 เทราไบต์ ในขณะที่ใช้หน่วยประมวลผลกลาง 3 ล้านชั่วโมงด้วยเอ็มไอที ซูเปอร์คลาวด์— กลุ่มคอมพิวเตอร์อันทรงพลังที่ใช้ในการวิจัยทางวิทยาศาสตร์ที่สามารถเข้าถึงได้จากระยะไกล
ทีมงานใช้อัลกอริธึมที่ปรับแต่งพารามิเตอร์ 26 รายการอย่างเป็นระบบ รวมถึงความยาวของยานพาหนะ ลักษณะใต้ท้องรถ รูปร่างของดอกยางและล้อ และความลาดเอียงของกระจกหน้ารถสำหรับรถรุ่นพื้นฐานแต่ละรุ่น พวกเขายังใช้อัลกอริธึมที่กำหนดว่าการออกแบบที่สร้างขึ้นใหม่นั้นเป็นสำเนาของสิ่งที่มีอยู่แล้วหรือใหม่อย่างแท้จริงหรือไม่
จากนั้นการออกแบบ 3D แต่ละรายการจะถูกแปลงเป็นรูปแบบที่อ่านได้ที่แตกต่างกัน รวมถึง mesh, point cloud หรือเพียงรายการขนาดและข้อมูลจำเพาะ ในที่สุด พวกเขาได้ทำการจำลองไดนามิกส์ของไหลที่ซับซ้อนเพื่อคำนวณว่าอากาศจะไหลไปรอบๆ การออกแบบแต่ละชิ้นที่สร้างขึ้นอย่างไร
“กระบวนการส่งต่อมีราคาแพงมากจนผู้ผลิตสามารถปรับแต่งรถได้เพียงเล็กน้อยจากรุ่นหนึ่งไปยังรุ่นถัดไป” กล่าวเสริมฟาซ อาเหม็ด, ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมเครื่องกลที่ MIT, ใน aคำแถลง- “แต่ถ้าคุณมีชุดข้อมูลขนาดใหญ่ที่คุณทราบประสิทธิภาพของการออกแบบแต่ละชิ้น ตอนนี้คุณสามารถฝึกโมเดลการเรียนรู้ของเครื่องให้ทำซ้ำได้อย่างรวดเร็ว เพื่อให้คุณมีโอกาสได้รับการออกแบบที่ดีขึ้นมากขึ้น”
โมฮาเหม็ด เอลเรฟาอีนักศึกษาวิศวกรรมเครื่องกลที่ MIT กล่าวในแถลงการณ์ว่าชุดข้อมูลสามารถช่วยลดต้นทุนการวิจัยและพัฒนาและเร่งความก้าวหน้าได้ เขาเสริมว่าการเร่งกระบวนการออกแบบจะช่วยลดสภาพอากาศได้ หากหมายถึงยานพาหนะที่มีประสิทธิภาพมากขึ้นจะเข้าถึงผู้บริโภคได้เร็วขึ้น กุญแจสำคัญในการเร่งการออกแบบนี้คือการผสานรวมกับเครื่องมือ AI ชุดข้อมูลช่วยให้คุณฝึกโมเดล AI เชิงสร้างสรรค์เพื่อ "ทำสิ่งต่าง ๆ ได้ในไม่กี่วินาทีแทนที่จะเป็นชั่วโมง" อาเหม็ดกล่าวเสริม
โมเดล AI ในอดีตสามารถสร้างการออกแบบที่ดูเหมือนว่าจะได้รับการปรับให้เหมาะสม แต่โมเดลเหล่านี้อาศัยข้อมูลการฝึกที่จำกัด
ชุดข้อมูลใหม่ให้ข้อมูลการฝึกที่มีประสิทธิภาพมากขึ้น ซึ่งโมเดล AI สามารถใช้เพื่อสร้างการออกแบบใหม่หรือทดสอบอากาศพลศาสตร์ของที่มีอยู่ได้ ซึ่งสามารถใช้เพื่อคำนวณประสิทธิภาพและระยะของ EV โดยไม่จำเป็นต้องใช้ต้นแบบทางกายภาพ
