麻省理工学院的工程师已经创造了 8,000 多种电动汽车 (EV) 设计，可以与（人工智能）在未来快速制造汽车。
工程师们表示，这个名为“DrivAerNet++”的开源数据库包括基于目前最常见汽车类型的设计，以 3D 模型的形式显示，其中包含了设计的空气动力学等信息。
已经存在了，但最近人气飙升。设计这些汽车需要公司花费数年时间、资源、迭代和修改，直到达到最终设计，并从中构建物理原型。
由于其专有性质，这些测试的规格和结果（以及原型的空气动力学）是私有的。科学家们表示，这意味着电动汽车续航里程或燃油效率的显着进步可能会很缓慢。
然而，新数据库旨在以指数方式加快对更好汽车设计的搜索。
这个汽车设计数字图书馆包含有关规格和空气动力学的详细数据。研究人员表示，如果未来与人工智能模型相结合，该数字图书馆可用于生成新的电动汽车设计。
工程师们表示，通过简化漫长的流程，制造商可以比以往更快地开发电动汽车设计。
有关的：
该团队提交了一篇论文，该论文于 6 月 13 日上传至预印本arXiv数据库，概述了数据集以及如何将其与人工智能技术相结合。他们描述了在NeurIPS 会议十二月在温哥华。一个
依靠人工智能在几秒钟内创建汽车设计
研究人员创建的数据集产生了 39 TB 的数据，同时消耗了 300 万小时的中央处理单元时间麻省理工学院超级云— 用于科学研究、可远程访问的超强大计算机集群。
该团队应用了一种算法，系统地调整了 26 个参数，包括每个基准车型的车辆长度、车身底部特征、胎面和车轮形状以及挡风玻璃坡度。他们还运行了一种算法，可以确定新生成的设计是否是已经存在的设计的副本或真正的新设计。
然后，每个 3D 设计都被转换为不同的可读格式 - 包括网格、点云或简单的尺寸和规格列表。最后，他们进行了复杂的流体动力学模拟，以计算空气如何在每个生成的设计周围流动。
“前进过程非常昂贵，制造商只能对汽车从一个版本到下一个版本进行一点点调整，”补充道费兹·艾哈迈德麻省理工学院机械工程助理教授陈述。 “但是，如果你有更大的数据集，并且知道每个设计的性能，那么现在你可以训练机器学习模型来快速迭代，这样你就更有可能获得更好的设计。”
穆罕默德·埃尔雷菲麻省理工学院机械工程专业的学生在声明中表示，该数据集有助于降低研发成本并加快进展。他补充说，加快设计过程也将有助于气候变化，如果这意味着更高效的车辆更快地到达消费者手中。 ，这种设计加速的关键是与人工智能工具的集成。艾哈迈德补充说，该数据集可让您训练生成式人工智能模型，使其“在几秒钟而不是几小时内完成任务”。
过去的人工智能模型可以生成看似优化的设计，但它们依赖于有限的训练数据。
新数据集提供了更强大的训练数据，人工智能模型现在可以使用这些数据来创建新设计或测试现有设计的空气动力学性能。然后可以用它来计算电动汽车的效率和行驶里程，而无需物理原型。
