Инженери от Масачузетския технологичен институт (МИТ) създадоха мащабна база данни с над 8000 триизмерни дизайна на автомобили, наречена DrivAerNet++. Основната цел е да се използва този огромен набор от данни за обучение на генеративен изкуствен интелект (ИИ) и машинно обучение, за да се ускори драстично процесът на проектиране на следващото поколение електрически превозни средства (ЕПС).
Ролята на изкуствения интелект и аеродинамиката
Традиционният цикъл на разработка на нов автомобилен дизайн може да отнеме от три до пет години и изисква скъпи физически прототипи и продължителни тестове в аеродинамични тунели. Базата данни на МИТ има за цел да елиминира това забавяне:
- Ускоряване на валидирането: Чрез ИИ модели, обучени с DrivAerNet++, производителите могат да валидират до 600 дизайна за минути, вместо за месеци или години.
- Фокус върху ефективността: Всеки от 8000-те дизайна е придружен от изчерпателна симулационна информация за неговите аеродинамични характеристики. Аеродинамиката е решаващ фактор за ефективността и пробега на ЕПС, тъй като намаляването на коефициента на съпротивление директно увеличава дистанцията, която колата може да измине с едно зареждане.
- Генериране на нови дизайни: Генеративният ИИ може да използва данните, за да създаде напълно нови, оптимизирани форми на каросерията, които да подобрят ефективността на ЕПС.
Съдържание и структура на базата данни
DrivAerNet++ е най-големият и най-подробен публично достъпен набор от данни за автомобилен дизайн. Инженерите са стартирали проекта с базови 3D модели от Audi и BMW и систематично са променяли 26 различни параметъра за всеки дизайн, включително:
- Дължина на автомобила
- Характеристики на подкаросерията
- Дизайн на колелата
- Наклон на предното стъкло
Моделите са разделени в три основни категории, представляващи най-популярните типове каросерии:
- Fastback (фастбек): Елегантни седани със силно скосен заден край.
- Notchback (ночбек): Седани или купета с леко изразен заден край.
- Estateback (стейшън): Комби автомобили с плоска, отсечена задна част.
Потенциално въздействие върху автомобилната индустрия
Предоставяйки този отворен код набор от данни, MIT цели да направи иновациите по-демократични.
- Намаляване на разходите: Малки стартъпи и нови производители на ЕПС могат да използват данните и ИИ, за да прескачат скъпите и времеемки етапи на проектиране.
- Иновации в дизайна: Проектът може да доведе до драстична промяна във външния вид на бъдещите автомобили, като формата им ще бъде продиктувана по-скоро от оптималната аеродинамика и енергийна ефективност, отколкото от традиционните естетически предпочитания.
- Устойчивост: По-ефективните дизайни означават по-малък разход на енергия и потенциално по-малки нужди от батерии за постигане на необходимия пробег, което допринася за по-устойчиво производство.
България: възможности за инженерното бъдеще
За българската инженерна общност и растящия автомобилен сектор, инициативата на МИТ предлага няколко ключови възможности:
- Обучение и Развитие: Достъпът до този огромен набор от 3D модели и данни за аеродинамика може да се използва за обучение на български студенти, инженери и ИТ специалисти в областта на генеративния дизайн и машинното обучение, прилагани в автомобилостроенето.
- Конкурентно предимство: Българските компании, които работят като доставчици на части или софтуер за големите автомобилни производители (OEM), могат да използват тези инструменти, за да предложат по-бързо и по-прецизно проектиране на компоненти, които подобряват ефективността на ЕПС.
- Иновации в местното производство: Всяко намерение за производство на електрически превозни средства или системи за градска мобилност в България може да започне с анализ на DrivAerNet++, вместо с години на скъпи изследвания и разработки от нулата.
Новината е адаптирана по livescience
