Les ingénieurs du MIT ont créé plus de 8 000 modèles de véhicules électriques (VE) qui peuvent être combinés avec intelligence artificielle (IA) pour construire rapidement des voitures à l’avenir.
Baptisée « DrivAerNet++ », cette base de données open source comprend des conceptions basées sur les types de voitures les plus courants actuellement, ont indiqué les ingénieurs, présentées sous forme de modèles 3D intégrant des informations telles que le degré d’aérodynamisme de la conception.
Voitures électriques je suis là depuis plus de 100 ansmais leur popularité a récemment grimpé en flèche. La conception de ces voitures prend aux entreprises plusieurs années, ressources, itérations et révisions jusqu’à ce qu’elles parviennent à une conception finalisée à partir de laquelle elles peuvent construire un prototype physique.
En raison de son caractère propriétaire, les spécifications et les résultats de ces tests (ainsi que l’aérodynamique des prototypes) sont privés. Cela signifie que les progrès significatifs en matière d’autonomie des véhicules électriques ou d’efficacité énergétique peuvent être lents, ont déclaré les scientifiques.
La nouvelle base de données vise cependant à accélérer de manière exponentielle la recherche de meilleurs modèles de voitures.
Cette bibliothèque numérique de conceptions de voitures comprend des données détaillées sur les spécifications et l’aérodynamique. Cette bibliothèque numérique pourrait être utilisée pour générer de nouveaux modèles de voitures électriques si elle était combinée à l’avenir avec des modèles d’IA, ont indiqué les chercheurs.
Les ingénieurs ont déclaré qu’en rationalisant un long processus, les fabricants peuvent développer des conceptions de véhicules électriques plus rapidement que jamais.
L’équipe a présenté un article qui a été téléchargé le 13 juin dans la prépublication. arXiv base de données, décrivant l’ensemble de données et comment il peut être combiné avec les technologies d’IA. Ils ont décrit le travail au Conférence NeurIPS à Vancouver en décembre. un
S’appuyer sur l’IA pour créer des designs automobiles en quelques secondes
L’ensemble de données créé par les chercheurs a produit 39 téraoctets de données tout en consommant 3 millions d’heures d’unité centrale de traitement avec le SuperCloud du MIT — un groupe d’ordinateurs surpuissants utilisés pour la recherche scientifique et accessibles à distance.
L’équipe a appliqué un algorithme qui a systématiquement modifié 26 paramètres, notamment la longueur du véhicule, les caractéristiques du soubassement, la forme de la bande de roulement et des roues, ainsi que l’inclinaison du pare-brise pour chaque modèle de voiture de base. Ils ont également exécuté un algorithme qui déterminait si un design nouvellement généré était ou non une copie de quelque chose qui existait déjà ou véritablement nouveau.
Chaque conception 3D a ensuite été convertie en différents formats lisibles, notamment un maillage, un nuage de points ou simplement une liste de dimensions et de spécifications. Enfin, ils ont exécuté des simulations complexes de dynamique des fluides pour calculer la manière dont l’air circulerait autour de chaque conception générée.
« Le processus avancé est si coûteux que les constructeurs ne peuvent que légèrement modifier une voiture d’une version à l’autre », a ajouté Faez Ahmedprofesseur adjoint de génie mécanique au MIT, dans un déclaration. « Mais si vous disposez d’ensembles de données plus volumineux dans lesquels vous connaissez les performances de chaque conception, vous pouvez désormais entraîner des modèles d’apprentissage automatique pour qu’ils itèrent rapidement afin d’avoir plus de chances d’obtenir une meilleure conception. »
Mohamed Elrefaieétudiant en génie mécanique au MIT, a déclaré dans le communiqué que l’ensemble de données pourrait aider à réduire les coûts de recherche et de développement et à accélérer les progrès. Il a ajouté qu’accélérer le processus de conception aiderait également le climat si cela permettait aux véhicules plus efficaces d’arriver plus tôt aux consommateurs. La clé de cette accélération de la conception est l’intégration avec les outils d’IA. L’ensemble de données vous permet de former un modèle d’IA génératif pour « faire des choses en quelques secondes plutôt qu’en quelques heures », a ajouté Ahmed.
Les anciens modèles d’IA pouvaient générer des conceptions apparemment optimisées, mais ils reposaient sur des données de formation limitées.
Le nouvel ensemble de données fournit des données de formation plus robustes que les modèles d’IA peuvent désormais utiliser pour créer de nouvelles conceptions ou tester l’aérodynamique de celles existantes. Cela peut ensuite être utilisé pour calculer l’efficacité et l’autonomie du véhicule électrique sans avoir besoin d’un prototype physique.
