L’enorme database del MIT di 8.000 nuovi progetti di veicoli elettrici generati dall’intelligenza artificiale potrebbe modellare il futuro delle automobili
Un database open source realizzato dagli ingegneri del MIT ospita oltre 8.000 progetti di automobili aerodinamiche e potrebbe addestrare futuri modelli di intelligenza artificiale per progettare veicoli elettrici in futuro.
Gli ingegneri del MIT hanno creato più di 8.000 progetti di veicoli elettrici (EV) che possono essere combinati con l'intelligenza artificiale (AI) per costruire rapidamente le auto del futuro.
Soprannominato "DrivAerNet++", questo database open source include progetti basati sui tipi di auto più comuni in circolazione in questo momento, hanno detto gli ingegneri, mostrati come modelli 3D che incorporano informazioni come l'aerodinamica del design.
Le auto elettriche esistono da più di 100 anni, ma recentemente la loro popolarità è salita alle stelle. La progettazione di queste auto richiede alle aziende diversi anni, risorse, iterazioni e revisioni fino a raggiungere un progetto definitivo da cui poter costruire un prototipo fisico.
A causa della sua natura proprietaria, le specifiche e i risultati di questi test (così come l'aerodinamica dei prototipi) sono privati. Ciò significa che i progressi significativi nell’autonomia dei veicoli elettrici o nell’efficienza del carburante possono essere lenti, hanno detto gli scienziati.
Il nuovo database, tuttavia, mira ad accelerare in modo esponenziale la ricerca di progetti di auto migliori.
Questa libreria digitale di progetti automobilistici include dati dettagliati su specifiche e aerodinamica. Questa libreria digitale potrebbe essere utilizzata per generare nuovi progetti di auto elettriche se combinata in futuro con modelli di intelligenza artificiale, hanno affermato i ricercatori.
Gli ingegneri hanno affermato che, semplificando un lungo processo, i produttori possono sviluppare progetti di veicoli elettrici più velocemente che mai.
Correlato: Il nuovo algoritmo AI di bordo del veicolo è in grado di individuare i conducenti ubriachi scansionando costantemente i loro volti alla ricerca di segni di intossicazione
Il team ha presentato un documento, che è stato caricato il 13 giugno nel database arXiv prestampato, che delinea il set di dati e come può essere combinato con le tecnologie di intelligenza artificiale. Hanno descritto il lavoro alla conferenza NeurIPS a Vancouver a dicembre. UN
Affidarsi all'intelligenza artificiale per creare progetti di automobili in pochi secondi
Il set di dati creato dai ricercatori ha prodotto 39 terabyte di dati consumando 3 milioni di ore di unità di elaborazione centrale con il MIT SuperCloud, un superpotente cluster di computer utilizzato per la ricerca scientifica a cui è possibile accedere da remoto.
Il team ha applicato un algoritmo che ha sistematicamente modificato 26 parametri, tra cui la lunghezza del veicolo, le caratteristiche del sottoscocca, le forme del battistrada e delle ruote e l’inclinazione del parabrezza per ciascun modello di auto di riferimento. Hanno anche eseguito un algoritmo che determinava se un progetto appena generato fosse o meno una copia di qualcosa già esistente o veramente nuovo.
Ogni progetto 3D è stato quindi convertito in diversi formati leggibili, tra cui una mesh, una nuvola di punti o semplicemente un elenco di dimensioni e specifiche. Infine, hanno eseguito complesse simulazioni di fluidodinamica per calcolare il modo in cui l'aria fluirebbe attorno a ciascun progetto generato.
"Il processo di elaborazione è così costoso che i produttori possono solo modificare leggermente un'auto da una versione a quella successiva", ha aggiunto Faez Ahmed, assistente professore di ingegneria meccanica al MIT, in una dichiarazione . "Ma se disponi di set di dati più grandi in cui conosci le prestazioni di ciascun progetto, ora puoi addestrare i modelli di apprendimento automatico a eseguire iterazioni rapide in modo da avere maggiori probabilità di ottenere un progetto migliore."
Mohamed Elrefaie, studente di ingegneria meccanica al MIT, ha affermato nella dichiarazione che il set di dati potrebbe aiutare a ridurre i costi di ricerca e sviluppo e ad accelerare i progressi. Ha aggiunto che accelerare il processo di progettazione aiuterebbe anche il clima se ciò significasse che veicoli più efficienti raggiungerebbero i consumatori prima. La chiave per accelerare la progettazione è l’integrazione con gli strumenti di intelligenza artificiale. Il set di dati consente di addestrare un modello di intelligenza artificiale generativa per "fare cose in secondi anziché in ore", ha aggiunto Ahmed.
I modelli di intelligenza artificiale precedenti potevano generare progetti apparentemente ottimizzati, ma si basavano su dati di addestramento limitati.
Il nuovo set di dati fornisce dati di addestramento più affidabili che i modelli di intelligenza artificiale possono ora utilizzare per creare nuovi progetti o testare l’aerodinamica di quelli esistenti. Questo può quindi essere utilizzato per calcolare l'efficienza e l'autonomia del veicolo elettrico senza la necessità di un prototipo fisico.