دانشگاه MIT به همراه دانشگاه فنی مونیخ (TUM) با راه‌اندازی پروژه‌ای به نام DrivAerNet++ تحولی بزرگ در طراحی خودروها ایجاد کرده‌اند. این پروژه شامل بیش از 8000 طراحی خودرو برقی و الکتریکی (EV) است که با استفاده از هوش مصنوعی تولید شده و با داده‌های دقیق آیرودینامیکی همراه است. هدف اصلی این پروژه، تسهیل و تسریع فرآیند طراحی خودروها و ایجاد امکان نوآوری‌های پایدارتر و کارآمدتر است.
چالش‌های سنتی طراحی خودرو
طراحی خودرو همواره فرآیندی پیچیده، پرهزینه و زمان‌بر بوده است. بسیاری از تولیدکنندگان به جای شروع از صفر، مدل‌های موجود را اصلاح می‌کنند تا هزینه‌های بالای نمونه‌سازی و آزمایش‌ها را کاهش دهند. DrivAerNet++ این مشکل را با ارائه‌ی یک مخزن عظیم از مدل‌های سه‌بعدی واقع‌گرایانه‌ی خودروها و ویژگی‌های آیرودینامیکی آن‌ها برطرف می‌کند. این مجموعه داده‌ها می‌تواند برای آموزش سیستم‌های هوش مصنوعی به‌کار رود و به این سیستم‌ها امکان می‌دهد تا طراحی‌های جدید را سریع‌تر تکرار و بهینه‌سازی کنند.
مزایای پایگاه داده‌ی DrivAerNet++
این پایگاه داده شامل انواع مختلف خودروها از جمله سدان، استیشن و کوپه است و به تولیدکنندگان خودرو امکان می‌دهد تا طراحی ها را از نظر عملکرد آیرودینامیکی به سرعت ارزیابی کنند. بهبود عملکرد آیرودینامیکی نه تنها باعث افزایش کارایی سوخت در خودروهای دارای موتور احتراق داخلی می‌شود، بلکه به افزایش برد خودروهای برقی نیز کمک می‌کند. این اهداف با تمرکز بر پایداری و کاهش هزینه‌های تحقیق و توسعه، بخشی از تلاش‌های جهانی برای ایجاد صنعت خودروسازی پایدارتر هستند.
تکنولوژی پیشرفته در خدمت طراحی
توسعه‌ی این پروژه به‌واسطه‌ی پلتفرم محاسباتی پیشرفته‌ی MIT SuperCloud انجام شده است. تولید این مجموعه داده به بیش از 3 میلیون ساعت پردازش CPU نیاز داشته و حجمی معادل 39 ترابایت داده تولید کرده است. این همکاری بین‌المللی بین MIT و TUM نمونه‌ای از تعهد به نوآوری‌های متن‌باز است که ابزارهای پیشرفته‌ای را در اختیار طراحان و تولیدکنندگان در سراسر جهان قرار می‌دهد.
نظر متخصصان
فائز احمد، استادیار مهندسی مکانیک در MIT، در توضیح اهمیت این پروژه می‌گوید: «اغلب فرآیند طراحی خودرو آنقدر پرهزینه است که تولیدکنندگان تنها می‌توانند تغییرات کوچکی در مدل‌های قبلی اعمال کنند. اما داشتن مجموعه داده‌های گسترده‌ای که عملکرد هر طراحی را نشان دهد، به مدل‌های یادگیری ماشین این امکان را می‌دهد که طراحی‌های بهتر و سریع‌تری ارائه کنند.»
محمد الفیعی، دانشجوی تحصیلات تکمیلی مهندسی مکانیک در MIT نیز اظهار داشت: «این مجموعه داده پایه‌ی نسل جدیدی از برنامه‌های هوش مصنوعی در مهندسی است که فرآیندهای طراحی را کارآمدتر کرده و هزینه‌های تحقیق و توسعه را کاهش می‌دهد. همچنین، این پروژه به سمت آینده‌ای پایدارتر در صنعت خودروسازی گام برمی‌دارد.»
دسترسی آزاد برای همگان
با متن‌باز کردن DrivAerNet++، محققان MIT و TUM امیدوارند که دسترسی به فناوری‌های پیشرفته‌ی طراحی را برای تمامی تولیدکنندگان خودرو از شرکت‌های بزرگ گرفته تا استارتاپ‌های نوظهور دموکراتیک کنند. این پایگاه داده بستری فراهم می‌کند تا همگان بتوانند در مسیر نوآوری و بهینه‌سازی طراحی خودروها گام بردارند و ایده‌های خود را به آزمون بگذارند.