MIT mühendisleri, yapay zeka (AI) ile birleştirildiğinde, geleceğin arabalarının inşasında hızla yardım edebilecek 8, 000'den fazla elektrikli araç (EV) tasarımı geliştirdi. "DrivAerNet++" adını taşıyan bu açık kaynak veritabanı, günümüzün en yaygın araba tiplerine dayalı tasarımlar sunuyor. Bu 3D modeller, aerodinamik özellikleri ve diğer teknik detayları hakkında bilgi sağlamaktadır. Elektrikli arabalar yüzyılı aşkın süredir var olmasına rağmen, son zamanlarda popülerlikleri arttı. Bu araçların tasarımı, geleneksel olarak, şirketlerin kaynak yoğun bir dizi iterasyon ve revizyonlardan geçmesini, ve nihayetinde prototipe dönüştürülebilecek bir nihai tasarıma ulaşmasını gerektiriyor. Bu denemelerden elde edilen detaylar ve sonuçlar, özellikle prototipin aerodinamiği, gizli kalıyor çünkü mülkiyet hakkına sahipler. Araştırmacılar, bu durumun, EV menzili veya yakıt verimliliğinde önemli ilerlemeler elde etme hızını genellikle yavaşlattığını belirtti. Ancak, bu yeni veritabanı, üstün araba tasarımlarının keşfini önemli ölçüde hızlandırmayı hedefliyor. Araştırmacılar, yeni tasarımların oluşturulmasında AI modellerini donatabilecek kapsamlı teknik detaylar ve aerodinamik bilgileri içeren bu dijital tasarım deposundan bahsetti. Mühendisler, geleneksel olarak uzun olan bu süreci kolaylaştırarak, üreticilerin şimdi EV tasarımlarını her zamankinden daha hızlı geliştirebileceğini belirtti. İlgili bir gelişmede, yeni bir araç içi AI, şoförlerin yüzlerini sürekli izleyerek sarhoşluk belirtileri için sarhoş sürücüleri tespit edebilir. 13 Haziran'da arXiv preprint veritabanına sunulan bir makalede, ekip bu veri setini ve AI teknolojileri ile potansiyel kullanımını detaylandırdı. Bu çalışma ayrıca Aralık ayında Vancouver'daki NeurIPS konferansında sunuldu. AI'yı saniyeler içinde araba tasarımı yapmak için kullanma MIT SuperCloud, bilimsel araştırmalar için güçlü bir bilgisayar kümesi ile oluşturulan araştırmacıların veri seti, üç milyon merkezi işlem birimi saati tükettikten sonra 39 terabayt veri üretti. Ekip, her temel model için araç uzunluğu, alt yapı özellikleri, lastik ve tekerlek şekilleri ve ön cam eğimi dahil olmak üzere 26 parametreyi sistemli olarak ayarlamak için bir algoritma kullandı. Ayrıca, yeni tasarımların mevcut tasarımların kopyaları olmadığı doğrulandı. Her 3D tasarım, bir ağ, bir nokta bulutu veya bir boyut ve özellikler listesi dahil olmak üzere çeşitli okunabilir formatlara dönüştürüldü.

Daha sonra, her tasarım etrafındaki hava akışını değerlendirmek için karmaşık akışkan dinamikleri simülasyonları yapıldı. "İleri süreç o kadar pahalı ki, üreticiler bir versiyondan diğerine bir arabayı sadece biraz değiştirebilirler, " diye açıkladı MIT Makine Mühendisliği Yardımcı Doçenti Faez Ahmed. "Ama her tasarımın performansını gösteren geniş veri setleri ile, makine öğrenimi modelleri hızla çalışabilir ve daha iyi tasarımlar elde etme şansını artırabilir. " MIT makine mühendisliği öğrencisi Mohamed Elrefaie, veri setinin araştırma ve geliştirme maliyetlerini düşürebileceğini ve ilerlemeleri hızlandırabileceğini belirtti. Tasarım sürecinin hızlandırılması, daha verimli araçların tüketicilere daha erken ulaşmasını sağlayarak iklim için faydalı olabilir. AI entegrasyonu, bu tasarım hızlanmasında hayati bir rol oynuyor. Veri seti, generatif bir AI modelinin "saniyeler içinde çalışmasına izin veriyor", diye ekledi Ahmed. Önceki AI modelleri, küçük eğitim veri setleriyle sınırlı olduğundan, görünüşte optimize edilmiş tasarımlar üretebilirdi. Yeni veri seti, AI modellerinin yeni tasarımlar oluşturmasına veya mevcut olanların aerodinamiğini değerlendirmesine olanak tanıyan daha sağlam bir eğitim verisi sağlar. Bu, fiziksel bir prototipe ihtiyaç duymadan EV'nin verimliliğini ve menzilini hesaplamak için kullanılabilir.