Gli ingegneri del MIT hanno sviluppato il più grande set di dati open source di progetti di auto, inclusa la loro aerodinamica, che potrebbe accelerare la progettazione di auto ecologiche e veicoli elettrici.
Gli ingegneri del Massachusetts Institute of Technology hanno reso disponibile al pubblico un set di dati open source per progettare l’auto del futuro. Denominato DrivAerNet++, il dataset comprende oltre 8.000 progetti di auto, che gli ingegneri hanno generato in base ai tipi di automobili più comuni al mondo oggi. Ogni progetto è rappresentato in formato 3D e include informazioni sull’aerodinamica dell’auto, ovvero il modo in cui l’aria fluirebbe attorno a un determinato progetto, in base alle simulazioni della dinamica dei fluidi che il gruppo ha eseguito per ogni progetto. Ognuno degli 8.000 progetti è disponibile in diverse rappresentazioni, come mesh, nuvola di punti o un semplice elenco di parametri e dimensioni del progetto. In quanto tale, il set di dati può essere utilizzato da diversi modelli di intelligenza artificiale. Secondo gli ingegneri del MIT la ricerca di progetti di auto migliori può accelerare in modo esponenziale con l’uso di strumenti di intelligenza artificiale generativa in grado di analizzare enormi quantità di dati in pochi secondi e trovare connessioni per generare un nuovo progetto. Sebbene tali strumenti di intelligenza artificiale esistano, i dati da cui avrebbero bisogno di apprendere non sono disponibili, almeno in una forma accessibile e centralizzata.
I dati sull’aerodinamica
Il team ha cercato di colmare il divario di dati, in particolare per quanto riguarda l’aerodinamica di un’auto, che svolge un ruolo chiave nell’impostazione dell’autonomia di un veicolo elettrico, e l’efficienza del carburante di un motore a combustione interna. Per ottenere rappresentazioni fisicamente accurate dell’aerodinamica, i ricercatori hanno iniziato con diversi modelli 3D di base forniti da Audi e BMW nel 2014.
I ricercatori del MIT immaginano che DrivAerNet++ venga utilizzato come un’ampia libreria di progetti di auto realistici, con dati aerodinamici dettagliati che possono essere utilizzati per addestrare rapidamente qualsiasi modello di intelligenza artificiale. Questi modelli possono quindi generare altrettanto rapidamente nuovi progetti che potrebbero potenzialmente portare ad auto più efficienti nei consumi e veicoli elettrici con maggiore autonomia, in una frazione del tempo che impiega oggi l’industria automobilistica.
“Questo dataset getta le basi per la prossima generazione di applicazioni AI nell’ingegneria, promuovendo processi di progettazione efficienti, riducendo i costi di R&S e guidando i progressi verso un futuro automobilistico più sostenibile” afferma Mohamed Elrefaie, uno studente laureato in ingegneria meccanica al MIT.
Secondo gli ingegneri del MIT, ora i ricercatori possono utilizzare il set di dati per addestrare un particolare modello di intelligenza artificiale, per esempio, per apprendere configurazioni di auto che hanno determinate aerodinamiche desiderabili. In pochi secondi, il modello potrebbe quindi generare un nuovo design di auto con aerodinamica ottimizzata, in base a ciò che ha appreso dalle migliaia di progetti fisicamente accurati del dataset.
Il set di dati potrebbe anche essere utilizzato per l’obiettivo inverso. Per esempio, dopo aver addestrato un modello di intelligenza artificiale, i progettisti potrebbero alimentare il modello con un progetto di auto specifico e stimarne rapidamente l’aerodinamica, che può quindi essere utilizzata per calcolare l’efficienza potenziale del carburante o l’autonomia elettrica dell’auto.
“Ciò che questo set di dati consente di fare è addestrare modelli di intelligenza artificiale generativa a fare le cose in pochi secondi anziché in ore. Questi modelli possono aiutare a ridurre il consumo di carburante per i veicoli a combustione interna e ad aumentare l’autonomia delle auto elettriche, aprendo la strada a veicoli più sostenibili e rispettosi dell’ambiente” conclude Ahmed.
Foto MIT News – Courtesy di Mohamed Elrefaie
