Rewolucyjna baza danych MIT, czyli jak muszą wyglądać elektryczne samochody
Przez ponad wiek pojazdy elektryczne powoli się rozwijały, ale od kilku lat współczesne innowacje przyspieszyły ich ewolucję. Tak się jednak składa, że proces ich projektowania nadal pozostaje czasochłonny i wymaga lat iteracji, aby ukończyć jeden prototyp. To właśnie chcą zmienić inżynierowie z MIT, którzy dostrzegli, że tradycyjne metody, utrudnione przez zamknięte testy i ograniczone udostępnianie danych, spowalniają postępy w optymalizacji efektywności i aerodynamiki elektrycznych samochodów.
Czytaj też: Nowa era produkcji samochodów nadchodzi. Zobacz co wymyślili Japończycy
Wspomniani inżynierowie przedstawili przełomową, a na dodatek dostępną dla wszystkich bazę danych DrivAerNet++, zawierającą ponad 8000 projektów pojazdów elektrycznych (EV). Ta kolekcja nie tylko stanowi obszerny zbiór aerodynamicznych modeli 3D, ale także zapowiada znaczący przełom w tym, jak sztuczna inteligencja może wpłynąć na przyszłość projektowania motoryzacyjnego. Łącząc zaawansowaną inżynierię z uczeniem maszynowym, inicjatywa ta może zrewolucjonizować podejście do efektywności, innowacyjności i zrównoważonego rozwoju w produkcji EV.
Czytaj też: Skuterki i quady to już przeszłość. Twoje dziecko będzie jeździć elektrycznym samochodem
DrivAerNet++ wykorzystuje sztuczną inteligencję i zestaw danych o wielkości 39 terabajtów, który został wygenerowany dzięki 3 milionom godzin obliczeń na MIT SuperCloud. Specjaliści stworzyli tę bazę danych poprzez modyfikowanie 26 parametrów, takich jak długość pojazdu, kształt kół czy nachylenie przedniej szyby. Tak oto wygenerowali innowacyjne projekty poparte zaawansowanymi symulacjami dynamiki płynów, które stanowią nieocenione źródło danych do szkolenia modeli SI, które są w stanie tworzyć zoptymalizowane projekty pojazdów w zaledwie kilka sekund.
Czytaj też: Naukowcy pokazali swoje nowe dzieło. Czas na rewolucję elektrycznych samochodów
Tego typu narzędzie przekłada się pozytywnie na cały przemysł samochodowy, bo przekłada się na:
- Zyski w efektywności: Tradycyjne procesy projektowe często wprowadzają niewielkie zmiany między wersjami pojazdów ze względu na ograniczenia czasowe i kosztowe. Dzięki DrivAerNet++ modele SI mogą szybko analizować niezliczone konfiguracje, identyfikując najlepsze projekty w krótkim czasie.
- Redukcja kosztów: Obniżając koszty badań i rozwoju, producenci mogą skierować środki na inne kluczowe obszary, takie jak technologia akumulatorów czy silników.
- Wpływ na klimat: Szybsze cykle rozwojowe oznaczają, że bardziej ekonomiczne pojazdy elektryczne szybciej trafią do konsumentów, przyczyniając się do zmniejszenia emisji gazów cieplarnianych i przyspieszenia transformacji w kierunku czystszego transportu.
- Dostępność: Opensource-owy charakter bazy danych zapewnia wszystkim dostęp do zaawansowanych narzędzi projektowych, zachęcając mniejszych producentów i niezależnych badaczy do spróbowania nowych innowacji.
Do tej pory wcześniejsze modele SI tego typu napotykały ograniczenia z powodu niewystarczających danych szkoleniowych, co uniemożliwiało im tworzenie naprawdę innowacyjnych projektów. DrivAerNet++ zmienia jednak raz na zawsze zasady gry, oferując solidne zestawy danych, które pozwalają systemowi tworzyć nowe projekty, przewidywać ich wydajność oraz optymalizować cały proces produkcyjny. Dlatego właśnie to podejście może znacząco przyspieszyć postęp technologiczny w zakresie samochodów, jednocześnie zmniejszając wpływ na środowisko.