วิศวกรจาก MIT ได้พัฒนาแบบจำลองยานพาหนะไฟฟ้า (EV) กว่า 8, 000 แบบ ซึ่งเมื่อใช้ร่วมกับปัญญาประดิษฐ์ (AI) จะช่วยในการสร้างรถยนต์แห่งอนาคตได้อย่างรวดเร็ว ฐานข้อมูลที่เปิดให้ใช้งานนี้มีชื่อว่า "DrivAerNet++" รวมการออกแบบที่จำลองจากรถยนต์ประเภทที่พบเห็นบ่อยที่สุดในปัจจุบัน แบบจำลอง 3 มิติเหล่านี้มีรายละเอียดเกี่ยวกับสมบัติแอโรไดนามิกส์และข้อมูลจำเพาะอื่นๆ แม้ว่ารถยนต์ไฟฟ้าจะมีมานานกว่าศตวรรษ แต่ความนิยมเพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา การออกแบบยานพาหนะเหล่านี้แบบดั้งเดิมใช้เวลาบริษัทหลายปีในการพัฒนาและปรับปรุงจนได้ออกแบบสุดท้ายที่สามารถนำไปทำต้นแบบได้ เนื่องจากมีลักษณะเอกสิทธิ์เฉพาะ รายละเอียดและผลลัพธ์จากการทดลองเหล่านี้ รวมถึงแอโรไดนามิกส์ของต้นแบบ จึงมักเก็บไว้เป็นความลับ ซึ่งหมายถึงความก้าวหน้าในการปรับปรุงระยะ EV หรือประสิทธิภาพการใช้เชื้อเพลิงแสดงให้เห็นผลลัพธ์อย่างเชื่องช้า นักวิจัยกล่าว อย่างไรก็ตาม ฐานข้อมูลใหม่นี้มีจุดมุ่งหมายเพื่อเร่งการค้นพบการออกแบบรถยนต์ที่ดียิ่งขึ้นอย่างมาก ฐานข้อมูลรูปรถดิจิทัลนี้รวมข้อมูลที่ครอบคลุมเกี่ยวกับข้อมูลจำเพาะและแอโรไดนามิกส์ ซึ่งอาจพร้อมจะให้ AI สร้างการออกแบบใหม่ๆ ในอนาคต นักวิจัยกล่าว โดยการปรับกระบวนการที่ยาวนานนี้ให้สั้นลงอย่างมีนัยสำคัญ ผู้ผลิตสามารถพัฒนาแบบ EV ได้รวดเร็วกว่าที่เคย วิศวกรกล่าว ในความเคลื่อนไหวที่เกี่ยวข้อง AI ในรถยนต์ใหม่สามารถตรวจจับผู้ขับขี่ที่เมาได้โดยการตรวจสอบใบหน้าอย่างต่อเนื่องเพื่อหาสัญญาณของอาการมึนเมา ในเอกสารที่ส่งไปยังฐานข้อมูล preprint arXiv เมื่อวันที่ 13 มิถุนายน ทีมงานได้กล่าวรายละเอียดเกี่ยวกับชุดข้อมูลและการใช้งานร่วมกับเทคโนโลยี AI งานนี้ยังถูกนำเสนองานประชุม NeurIPS ที่แวนคูเวอร์ในเดือนธันวาคม การใช้ AI เพื่อสร้างการออกแบบรถในไม่กี่วินาที ชุดข้อมูลของนักวิจัยที่สร้างขึ้นด้วย MIT SuperCloud ซึ่งเป็นกลุ่มคอมพิวเตอร์ที่ทรงพลังสำหรับการวิจัยทางวิทยาศาสตร์ ได้สร้างข้อมูล 39 เทราไบต์หลังจากใช้เวลาคำนวณหน่วยประมวลผลกลางสามล้านชั่วโมง ทีมวิจัยใช้วิธีการในการปรับพารามิเตอร์ 26 ข้อ รวมถึงความยาวของยาน และลักษณะต่างๆ ของรถ เช่น รูปทรงล้อและการเอียงกระจกหน้ารถ เพื่อให้ได้แบบพื้นฐาน จากนั้นพวกเขาได้ใช้วิธีการตรวจสอบว่าแบบใหม่เป็นต้นฉบับ ไม่ใช่การลอกแบบของที่มีอยู่ แต่ละการออกแบบ 3 มิติถูกแปลในรูปแบบต่างๆ ที่สามารถอ่านได้ เช่น ตาข่าย, กลุ่มจุด หรือรายการขนาดและข้อมูลจำเพาะ จากนั้น จะมีการจำลองไดนามิกส์ของของไหลที่ซับซ้อนเพื่อตรวจสอบการไหลของลมรอบการออกแบบแต่ละแบบ "กระบวนการข้างหน้ามีความยุ่งยากมากจนผู้ผลิตเพียงแค่ปรับแต่งรถจากเวอร์ชันหนึ่งไปยังอีกเวอร์ชันหนึ่งเล็กน้อย" Faez Ahmed ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมเครื่องกลที่ MIT อธิบาย "แต่ด้วยชุดข้อมูลที่แสดงประสิทธิภาพของแต่ละการออกแบบ แมชชีนเลิร์นนิงสามารถทำการปรับแต่งได้อย่างรวดเร็ว เพิ่มโอกาสในการสร้างการออกแบบที่ดีกว่า" Mohamed Elrefaie นักศึกษาวิศวกรรมเครื่องกล MIT กล่าวว่าชุดข้อมูลสามารถลดค่าใช้จ่ายในการวิจัยและพัฒนาและเร่งความก้าวหน้าให้เร็วขึ้น การเร่งกระบวนการออกแบบอาจเป็นประโยชน์ต่อสภาพอากาศโดยนำเสนอรถยนต์ที่มีประสิทธิภาพมากขึ้นให้กับผู้บริโภคเร็วยิ่งขึ้น การรวม AI เข้ากับการเร่งการออกแบบมีความจำเป็น ชุดข้อมูลช่วยให้ AI แบบทั้งสามารถได้รับการฝึกฝนให้ "สร้างในไม่กี่วินาทีแทนที่จะเป็นชั่วโมง" Ahmed กล่าวเสริม AI รุ่นก่อนอาจมีการออกแบบที่ดูเหมือนจะได้รับการปรับแต่งอย่างเหมาะสม แต่ยังคงถูกจำกัดด้วยชุดข้อมูลการฝึกที่เล็ก ชุดข้อมูลใหม่มีข้อมูลการฝึกอบรมที่มากขึ้น ทำให้โมเดล AI สามารถสร้างการออกแบบใหม่ๆ หรือประเมินแอโรไดนามิกส์ของสิ่งที่มีอยู่ได้ ซึ่งจะสามารถใช้ในการคำนวณประสิทธิภาพและระยะทางของ EV โดยไม่ต้องมีต้นแบบทางกายภาพ