يمكن لقاعدة بيانات معهد ماساتشوستس للتكنولوجيا الضخمة التي تضم 8000 تصميم جديد للسيارات الكهربائية المولدة بالذكاء الاصطناعي أن تشكل شكل مستقبل السيارات
ابتكر مهندسو معهد ماساتشوستس للتكنولوجيا أكثر من 8000 تصميم للسيارة الكهربائية (EV) التي يمكن دمجها مع بعضها البعض الذكاء الاصطناعي (الذكاء الاصطناعي) لبناء السيارات بسرعة في المستقبل.
وقال المهندسون إن قاعدة البيانات مفتوحة المصدر هذه، التي يطلق عليها اسم “DrivAerNet++”، تتضمن تصميمات تعتمد على أكثر أنواع السيارات شيوعًا في الوقت الحالي، وتظهر على شكل نماذج ثلاثية الأبعاد تتضمن معلومات مثل مدى التصميم الديناميكي الهوائي.
السيارات الكهربائية لقد كان موجودا ل أكثر من 100 سنة، ولكنها ارتفعت شعبيتها في الآونة الأخيرة. يستغرق تصميم هذه السيارات عدة سنوات وموارد وتكرارات ومراجعات للشركات حتى تصل إلى التصميم النهائي الذي يمكنها من خلاله بناء نموذج أولي مادي.
ونظرًا لطبيعتها الخاصة، فإن مواصفات ونتائج هذه الاختبارات (وكذلك الديناميكيات الهوائية للنماذج الأولية) تكون خاصة. وقال العلماء إن هذا يعني أن التقدم الكبير في نطاق السيارات الكهربائية أو كفاءة استهلاك الوقود يمكن أن يكون بطيئًا.
ومع ذلك، تهدف قاعدة البيانات الجديدة إلى تسريع البحث عن تصميمات أفضل للسيارات بشكل كبير.
تتضمن هذه المكتبة الرقمية لتصميمات السيارات بيانات مفصلة عن المواصفات والديناميكا الهوائية. وقال الباحثون إن هذه المكتبة الرقمية يمكن استخدامها لإنشاء تصميمات جديدة للسيارات الكهربائية إذا تم دمجها مع نماذج الذكاء الاصطناعي في المستقبل.
وقال المهندسون إنه من خلال تبسيط عملية طويلة، يمكن للمصنعين تطوير تصميمات السيارات الكهربائية بشكل أسرع من أي وقت مضى.
قدم الفريق ورقة بحثية تم تحميلها في 13 يونيو إلى النسخة الأولية arXiv قاعدة البيانات، مع تحديد مجموعة البيانات وكيف يمكن دمجها مع تقنيات الذكاء الاصطناعي. لقد وصفوا العمل في مؤتمر نيوروبس في فانكوفر في ديسمبر. أ
الاعتماد على الذكاء الاصطناعي لإنشاء تصميمات للسيارات في ثوانٍ
أنتجت مجموعة البيانات التي أنشأها الباحثون 39 تيرابايت من البيانات بينما استهلكت 3 ملايين ساعة من وحدة المعالجة المركزية مع معهد ماساتشوستس للتكنولوجيا سوبركلاود – مجموعة فائقة القوة من أجهزة الكمبيوتر المستخدمة في البحث العلمي والتي يمكن الوصول إليها عن بعد.
طبق الفريق خوارزمية قامت بتعديل 26 معلمة بشكل منهجي، بما في ذلك طول السيارة، وميزات الجزء السفلي من السيارة، وأشكال المداس والعجلات، وانحدار الزجاج الأمامي لكل طراز سيارة أساسي. كما قاموا بتشغيل خوارزمية تحدد ما إذا كان التصميم الذي تم إنشاؤه حديثًا هو نسخة من شيء موجود بالفعل أو جديد حقًا أم لا.
تم بعد ذلك تحويل كل تصميم ثلاثي الأبعاد إلى تنسيقات مختلفة قابلة للقراءة – بما في ذلك شبكة، أو سحابة نقطية، أو ببساطة قائمة بالأبعاد والمواصفات. وأخيرًا، أجروا عمليات محاكاة معقدة لديناميكيات الموائع لحساب كيفية تدفق الهواء حول كل تصميم تم إنشاؤه.
وأضاف: “إن العملية الأمامية مكلفة للغاية بحيث لا يستطيع المصنعون سوى تعديل السيارة قليلاً من إصدار إلى آخر”. فايز احمد، أستاذ مساعد في الهندسة الميكانيكية في معهد ماساتشوستس للتكنولوجيا، في أ إفادة. “ولكن إذا كان لديك مجموعات بيانات أكبر حيث تعرف أداء كل تصميم، فيمكنك الآن تدريب نماذج التعلم الآلي على التكرار بسرعة بحيث تزيد احتمالية حصولك على تصميم أفضل.”
محمد الرفاعيوقال، وهو طالب هندسة ميكانيكية في معهد ماساتشوستس للتكنولوجيا، في البيان إن مجموعة البيانات يمكن أن تساعد في خفض تكاليف البحث والتطوير وتسريع التقدم. وأضاف أن تسريع عملية التصميم من شأنه أن يساعد المناخ أيضًا إذا كان ذلك يعني وصول مركبات أكثر كفاءة إلى المستهلكين في وقت أقرب. مفتاح تسريع التصميم هذا هو التكامل مع أدوات الذكاء الاصطناعي. وأضاف أحمد أن مجموعة البيانات تتيح لك تدريب نموذج الذكاء الاصطناعي التوليدي على “فعل الأشياء في ثوانٍ بدلاً من ساعات”.
كان بإمكان نماذج الذكاء الاصطناعي السابقة إنشاء تصميمات محسنة على ما يبدو، لكنها اعتمدت على بيانات تدريب محدودة.
توفر مجموعة البيانات الجديدة بيانات التدريب الأكثر قوة التي يمكن لنماذج الذكاء الاصطناعي استخدامها الآن لإنشاء تصميمات جديدة أو اختبار الديناميكيات الهوائية للتصميمات الحالية. ويمكن بعد ذلك استخدام ذلك لحساب كفاءة السيارة الكهربائية ومداها دون الحاجة إلى نموذج أولي مادي.
