کمک هوش مصنوعی به طراحی خودروهای سبز با پایگاه داده جدید MIT

مهندسان MIT بزرگ‌ترین پایگاه داده منبع‌ باز طراحی خودرو را منتشر کرده‌اند تا به توسعه سریع‌تر خودروهای سبز و برقی کمک کنند. این مجموعه داده شامل بیش از ۸۰۰۰ طرح مختلف از انواع خودروها است که ویژگی‌های آیرودینامیکی آنها نیز در آن گنجانده شده است.

بازتاب– طراحی خودرو فرآیندی پیچیده و زمان‌بر است که معمولاً سال‌ها طول می‌کشد. خودروسازان برای طراحی یک خودرو، فرم‌های سه‌بعدی را در شبیه‌سازی‌ها اصلاح می‌کنند و سپس بهترین طرح‌ها را برای آزمایش‌های فیزیکی می‌سازند. اما اطلاعات مربوط به این آزمایش‌ها، به ویژه داده‌های آیرودینامیکی، معمولاً محرمانه است و این مسئله می‌تواند باعث کندی پیشرفت در زمینه‌هایی مانند بهره‌وری سوخت و افزایش برد خودروهای برقی شود.

حال، مهندسان MIT با استفاده از ابزارهای هوش مصنوعی، پایگاه داده‌ای را به نام DrivAerNet ++ایجاد کرده‌اند که شامل بیش از ۸۰۰۰ طراحی مختلف خودرو است. این طراحی‌ها به‌ صورت سه ‌بعدی و همراه با اطلاعاتی از جمله ویژگی‌های آیرودینامیکی در دسترس قرار دارند. این دیتا می‌تواند به مدل‌های هوش مصنوعی کمک کند تا به سرعت طرح‌های جدیدی تولید کنند که می‌توانند به خودروهای بهینه‌تر و سازگارتر با محیط زیست منجر شوند.

این پایگاه داده که به ‌صورت منبع‌ باز دراختیارعموم قرار گرفته، از سال‌ها تحقیق و پردازش پیچیده به ‌دست آمده و شامل اطلاعاتی درباره نحوه جریان هوا اطراف خودروها است. هر طراحی در چندین فرمت مختلف از جمله مش، ابرنقاط یا لیست ابعاد و مشخصات، قابل دسترسی است. این ویژگی‌ها باعث می‌شود تا مدل‌های هوش مصنوعی مختلف بتوانند از این مجموعه داده به شیوه‌های متفاوت استفاده کنند.

محمد الرفایی دانشجوی فارغ‌التحصیل مهندسی مکانیک از دانشگاه MIT و همکارانش مقاله‌ای در این مجموعه داده‌اند و روش‌های هوش مصنوعی قابل اعمال بر آن در کنفرانس NeurIPS که در ماه دسامبر برگزار می‌شود، ارائه خواهد شد. همکاران او در این تحقیق، فائز احمد، استادیار مهندسی مکانیک در MIT، آنجلا دای، استادیار علوم کامپیوتر در دانشگاه فنی مونیخ، و فلورین مارار از شرکت  BETA CAE System هستند.

به گفته الرفایی، این داده‌ها پایه‌های نسل بعدی برنامه‌های هوش مصنوعی در مهندسی خواهند بود و به ترویج فرآیندهای طراحی کارآمدتر، کاهش هزینه‌های تحقیق و توسعه، و پیشبرد تحولات به سوی خودرویی پایدارتر کمک خواهند کرد.

فائزاحمد، رئیس آزمایشگاه مهندسی فناوری محاسبات طراحی و دیجیتال (DeCoDE) در موسسه ماساچوست (MIT)، هدایت تیمی را بر عهده دارد که چگونه از ابزارهای هوش مصنوعی و ماشینی برای بهبود طراحی سیستم‌ها و محصولات مهندسی پیچیده استفاده می کنند.

او میگوید: “معمولاً در طراحی یک خودرو، فرآیند پیشرو آنقدر هزینه ‌بر است که تولیدکنندگان تنها می‌توانند تغییرات کوچکی را در بین نسخه‌های مختلف اعمال کنند، اما اگر داده‌های تأثیرگذار در اختیار داشته باشند، عملکرد هر طراحی را می‌دانند و احتمالاً به طراحی بهتری می رسد.

الرفایی، توضیح می‌دهد: این بهترین زمان برای تسریع نوآوری‌ها در صنعت خودرو است، زیرا خودروها برگترین منبع الودگی در جهان هستند.

این تیم تصمیم گرفت تا شکاف داده‌ها را پر کند، به ویژه در زمینه آیرودینامیک خودرو، که نقش کلیدی در تعیین یک خودروی الکتریکی و مصرف سوخت موتورهای درون‌سوز ایفا می‌کند. چالش اصلی، ایجاد مجموعه داده‌های هزاران خودرو بود که هر یک از آن‌ها بازنمایی دقیق طراحی عملکرد و شکل خود را بدون نیاز به آزمایش انجام داد.

برای ساخت مجموعه‌ای از طراحی‌های خودرو با بازنمایی‌های دقیق از آیرودینامیک، تحقیقات با چند مدل سه‌بعدی پایه که در سال ۲۰۱۴ توسط آئودی و بی‌ام‌ و ارائه شده بودند، آغاز شد. این مدل‌ها سه دسته اصلی خودروهای سواری را نمایندگی می‌کنند: فست‌بک (سدان‌هایی با قسمت عقب شیبدار)، ناچ‌بک (سدان‌ها یا کوپه‌هایی با انحنا در نمای عقب) و استیت‌بک (خودروهای استیشن واگن با قسمت عقب مسطح و برجسته).

هدف از انتشار این مجموعه داده تسریع فرآیند طراحی خودروهای سبز است. با استفاده ازآن، مدل‌های هوش مصنوعی می‌توانند طراحی‌های نوآورانه‌ای تولید کنند که به افزایش بهره‌وری سوخت یا افزایش برد خودروهای برقی کمک کنند. علاوه بر این، این مجموعه داده می‌تواند در تخمین آیرودینامیک خودروهای موجود نیز مورد استفاده قرار گیرد تا پیش‌بینی‌هایی از مصرف سوخت یا برد خودروهای برقی بدون نیاز به آزمایش‌های فیزیکی ارائه دهد.

این پروژه با پشتیبانی بخش‌های مختلف تحقیقاتی از جمله خدمات تبادل علمی آلمان و دپارتمان مهندسی مکانیک MIT انجام شده است.

منبع news.mit