- MITのエンジニアは、環境配慮型自動車および電気自動車の設計を加速できる、空力を含む自動車設計に関する最大規模のオープンソースデータセットを開発
- 自動車設計は、長年にわたるシミュレーションと物理試験を経て進められる、反復的かつ独自性の高いプロセス
- 自動車設計における空力性能などの詳細情報は、通常は公開されない
- 設計効率を最大化するために生成AIツールを活用できるが、従来はこうしたAIが学習するためのデータが不足していた
- DrivAerNet++ データセットの重要性
- 現時点で開発された自動車空力分野で最大のオープンソースデータセット
- 8,000件以上の自動車設計を含み、各設計は3D形式で提供される
- 空力データを含む、流体力学シミュレーションに基づく性能情報を提供
- データセット内の設計は、メッシュ、点群(Point Cloud)、設計パラメータ一覧など多様な形式で提供され、さまざまなAIモデルに適した形で利用可能
- AIモデルの学習に活用され、効率的な設計が可能
- AIはデータを学習し、新しい設計を迅速に生成できる
- 燃費向上、電気自動車の航続距離拡大など、革新的な設計結果を導き出せる
- 設計プロセスを簡素化し、研究開発コスト削減と持続可能な自動車開発の促進に貢献
- データセット開発プロセス
- 既存のAudiおよびBMWが2014年に提供した3Dモデルを活用
- fastback、notchback、estatebackなど主要な乗用車カテゴリーを含む
- 既存設計に26個のパラメータ調整を加え、多様な新しい設計を生成
- 設計の全長、車体下部構造、ウィンドウの傾斜、ホイール幅などを含む
- 生成された設計は、最適化アルゴリズムによって重複しないよう保証
- MIT SuperCloudを通じて、300万CPU時間と39テラバイトのデータを活用して作成
- 期待される活用事例
- AIモデルがデータセットを学習し、最適化された空力を持つ新しい自動車設計を迅速に生成可能
- 特定の自動車設計の空力を素早く予測し、燃費や電気自動車の航続距離を算出できる
- 持続可能で環境に優しい車両開発を加速すると期待される
- 研究の意義
- 自動車は主要な汚染源の一つであり、設計革新は環境保護に重要な役割を果たす
- 実際の試験なしでも、物理的に正確な3D自動車形状を生成できるようになった
- 研究チームは、これにより次世代のAIベース設計ツールの土台を築いたと評価
- 研究成果はNeurIPS 2024で発表予定
- 研究はドイツ学術交流会およびMIT機械工学科の支援を受けた
- データRepo : https://dataverse.harvard.edu/dataverse/DrivAerNet
- イシュートラッキング : https://github.com/Mohamedelrefaie/DrivAerNet
1件のコメント
Hacker Newsのコメント
新しいEVがサイズと重量の面でなぜあれほど設計を誤っているのか疑問だという意見がある。経済的なファミリーカーを望んでいるが、選択肢があまりない。
DrivAerNet のデータファイルはハーバード大学の Dataverse で提供されている。
DrivAerNet の課題追跡は GitHub で可能。
データファイルは数百GB規模で、機関アカウントでしかログインできない。小規模な研究所に所属するユーザーが、他人のログイン情報を借りられるかと尋ねている。
Creative Commons Attribution-NonCommercial ライセンスはオープンソースではない。
飛行翼や RC 飛行機を設計したいユーザーが、FOSS を通じて空力的な結果を得られるかと尋ねている。
新しい車がどれも同じように見えることへの不満がある。
デザインが非常に良いという意見がある。
「verbing」という表現のせいで文が読みにくくなっているという意見がある。