Массачусетский технологический институт создаёт массив данных для 3D-моделирования авто будущего
Процесс проектирования автомобилей традиционно требует много времени и значительных финансовых затрат. Автопроизводители тратят годы на разработку и тестирование новых моделей, уделяя особое внимание улучшению аэродинамических характеристик, которые влияют на расход топлива и запас хода электромобилей. Однако это происходит в основном в закрытых рамках, и инновации развиваются медленно.
Инженеры Массачусетского технологического института нашли способ ускорить этот процесс с помощью искусственного интеллекта. Они создали открытый набор данных DrivAerNet++, который содержит более 8000 моделей автомобилей с подробными аэродинамическими характеристиками. Этот инструмент может значительно упростить разработку автомобилей, улучшая их топливную экономичность и увеличивая запас хода электромобилей.
Набор DrivAerNet++ включает 3D-модели автомобилей, которые разделены на три основные категории: фастбэки, нотчбэки и универсалы. Каждая модель была создана с учётом различных параметров, таких как длина, угол наклона лобового стекла и размер колёс. Кроме того, для каждой модели были сгенерированы точные аэродинамические данные, что важно для понимания, как воздух обтекает автомобиль, что напрямую влияет на его топливную эффективность.
Для создания такого обширного набора данных команда MIT использовала суперкомпьютер, затратив более 3 миллионов часов на моделирование. В результате было собрано 39 терабайт данных — объём, почти в четыре раза превышающий всю печатную коллекцию Библиотеки Конгресса. Эти данные доступны в различных форматах, включая 3D-сетки и облака точек, что позволяет исследователям использовать их с различными инструментами искусственного интеллекта.
Использование таких данных может значительно ускорить процесс проектирования автомобилей. В отличие от традиционных методов, которые требуют физического тестирования и занимают много времени и денег, ИИ модели могут обработать информацию за секунды и предложить новые, оптимизированные решения. Например, такие алгоритмы могут быстро предложить конструкции с низким аэродинамическим сопротивлением, что поможет уменьшить расход топлива у автомобилей с бензиновыми двигателями или повысить запас хода электромобилей. Кроме того, с помощью набора данных можно будет оценить аэродинамические характеристики уже существующих конструкций без необходимости создания физических прототипов.
Исследователи подчеркивают важность разработки экологичных автомобилей, так как они являются одними из основных источников загрязнения окружающей среды. Чем быстрее удастся снизить выбросы от автомобилей, тем больше можно будет помочь планете. ИИ инструменты, такие как DrivAerNet++, открывают новые возможности для быстрого внедрения инноваций в автомобилестроении.
До сих пор разработка таких инструментов сталкивалась с проблемой нехватки данных, так как автопроизводители редко делятся подробной информацией о своих тестах и разработках. DrivAerNet++ меняет это, предоставляя исследователям и инженерам доступ к большому набору данных с открытым исходным кодом, что способствует ускорению научных исследований и улучшению автомобильных технологий.
Источник: knowridge.com
Инженеры Массачусетского технологического института нашли способ ускорить этот процесс с помощью искусственного интеллекта. Они создали открытый набор данных DrivAerNet++, который содержит более 8000 моделей автомобилей с подробными аэродинамическими характеристиками. Этот инструмент может значительно упростить разработку автомобилей, улучшая их топливную экономичность и увеличивая запас хода электромобилей.
Набор DrivAerNet++ включает 3D-модели автомобилей, которые разделены на три основные категории: фастбэки, нотчбэки и универсалы. Каждая модель была создана с учётом различных параметров, таких как длина, угол наклона лобового стекла и размер колёс. Кроме того, для каждой модели были сгенерированы точные аэродинамические данные, что важно для понимания, как воздух обтекает автомобиль, что напрямую влияет на его топливную эффективность.
Для создания такого обширного набора данных команда MIT использовала суперкомпьютер, затратив более 3 миллионов часов на моделирование. В результате было собрано 39 терабайт данных — объём, почти в четыре раза превышающий всю печатную коллекцию Библиотеки Конгресса. Эти данные доступны в различных форматах, включая 3D-сетки и облака точек, что позволяет исследователям использовать их с различными инструментами искусственного интеллекта.
Использование таких данных может значительно ускорить процесс проектирования автомобилей. В отличие от традиционных методов, которые требуют физического тестирования и занимают много времени и денег, ИИ модели могут обработать информацию за секунды и предложить новые, оптимизированные решения. Например, такие алгоритмы могут быстро предложить конструкции с низким аэродинамическим сопротивлением, что поможет уменьшить расход топлива у автомобилей с бензиновыми двигателями или повысить запас хода электромобилей. Кроме того, с помощью набора данных можно будет оценить аэродинамические характеристики уже существующих конструкций без необходимости создания физических прототипов.
Исследователи подчеркивают важность разработки экологичных автомобилей, так как они являются одними из основных источников загрязнения окружающей среды. Чем быстрее удастся снизить выбросы от автомобилей, тем больше можно будет помочь планете. ИИ инструменты, такие как DrivAerNet++, открывают новые возможности для быстрого внедрения инноваций в автомобилестроении.
До сих пор разработка таких инструментов сталкивалась с проблемой нехватки данных, так как автопроизводители редко делятся подробной информацией о своих тестах и разработках. DrivAerNet++ меняет это, предоставляя исследователям и инженерам доступ к большому набору данных с открытым исходным кодом, что способствует ускорению научных исследований и улучшению автомобильных технологий.
Источник: knowridge.com
