Jurutera MIT telah membangunkan lebih daripada 8, 000 reka bentuk kenderaan elektrik (EV), yang apabila digabungkan dengan kecerdasan buatan (AI), dapat membantu dengan cepat dalam pembinaan kereta masa depan. Dinamakan "DrivAerNet++, " pangkalan data sumber terbuka ini menampilkan reka bentuk yang dimodelkan pada jenis kereta yang paling lazim hari ini. Model 3D ini memberikan perincian tentang sifat aerodinamik mereka, antara spesifikasi lain. Walaupun kereta elektrik sudah wujud selama lebih dari satu abad, popularitinya telah meningkat baru-baru ini. Reka bentuk kenderaan ini secara tradisional mengambil masa syarikat beberapa tahun melalui iterasi dan semakan yang banyak untuk mencapai reka bentuk akhir yang boleh dijadikan prototaip. Disebabkan sifat pemilikan, perincian dan hasil dari percubaan ini—termasuk aerodinamik prototaip—kekal rahsia. Ini sering bermakna kemajuan dalam mencapai penambahbaikan signifikan dalam jarak EV atau kecekapan bahan api adalah perlahan, menurut para penyelidik. Namun, pangkalan data baharu ini berhasrat untuk mempercepat penemuan reka bentuk kereta yang lebih unggul dengan ketara. Repositori digital reka bentuk kereta ini termasuk data komprehensif tentang spesifikasi dan aerodinamik, berpotensi membekalkan model AI untuk mencipta reka bentuk baru di masa depan, kata para penyelidik. Dengan memperkemas proses yang lazimnya memakan masa lama ini, pengeluar kini boleh membangunkan reka bentuk EV lebih pantas berbanding sebelum ini, kata jurutera. Dalam perkembangan berkaitan, AI dalam kenderaan baru boleh mengesan pemandu yang mabuk dengan sentiasa memantau wajah mereka untuk tanda-tanda mabuk. Dalam satu kertas kerja yang dihantar ke pangkalan data pratonton arXiv pada 13 Jun, pasukan tersebut memperincikan dataset dan kegunaan potensinya dengan teknologi AI. Kerja ini juga dibentangkan di persidangan NeurIPS di Vancouver pada bulan Disember. Memanfaatkan AI untuk menghasilkan reka bentuk kereta dalam beberapa saat Dataset penyelidik, yang dicipta dengan MIT SuperCloud, kelompok komputer yang kuat untuk penyelidikan saintifik, menghasilkan 39 terabait data selepas memakan tiga juta jam pemprosesan unit pusat. Pasukan ini menggunakan algoritma untuk secara sistematik menyesuaikan 26 parameter, termasuk panjang kenderaan, ciri bawah badan, bentuk trek dan roda, dan cerun cermin depan, untuk setiap model asas. Mereka juga melaksanakan algoritma untuk memastikan reka bentuk baru adalah asli dan bukan salinan reka bentuk sedia ada. Setiap reka bentuk 3D kemudian diterjemahkan ke dalam pelbagai format yang boleh dibaca—termasuk mesh, awan titik, atau senarai dimensi dan spesifikasi.

Seterusnya, simulasi dinamik bendalir kompleks dijalankan untuk menilai aliran udara di sekitar setiap reka bentuk. "Proses hadapan sangat mahal sehingga pengeluar hanya boleh menyesuaikan kereta sedikit sahaja dari satu versi ke yang seterusnya, " jelas Faez Ahmed, Penolong Profesor Kejuruteraan Mekanikal di MIT. "Tetapi dengan dataset yang luas yang menunjukkan prestasi setiap reka bentuk, model pembelajaran mesin dapat mengulangi dengan cepat, meningkatkan peluang mencapai reka bentuk yang lebih baik. " Mohamed Elrefaie, pelajar kejuruteraan mekanikal MIT, menyebut bahawa dataset itu boleh mengurangkan kos penyelidikan dan pembangunan serta mempercepat kemajuan. Mempercepat proses reka bentuk boleh memberi manfaat kepada iklim dengan membawa kenderaan yang lebih cekap kepada pengguna lebih awal. Integrasi AI adalah penting dalam percepatan reka bentuk ini. Dataset membolehkan latihan model AI generatif untuk "beroperasi dalam beberapa saat berbanding jam, " tambah Ahmed. Model AI terdahulu mungkin menghasilkan reka bentuk yang seakan-akan dioptimumkan tetapi terhad oleh dataset latihan yang kecil. Dataset baharu ini membekalkan data latihan yang lebih kukuh, membolehkan model AI mencipta reka bentuk baru atau menilai aerodinamik reka bentuk sedia ada. Ini kemudian boleh digunakan untuk mengira kecekapan dan jarak EV tanpa memerlukan prototaip fizikal.