С точки зрения новостей: deepSPACE — это не футуристический фильм, новая видеоигра или следующий сезон классического сериала. На самом деле, новое программное обеспечение для проектирования, разработанное аэрокосмическим инженером из Университета Иллинойса в Урбана-Шампейн, вообще не касается космоса. Этот новый инструмент учитывает вашу концепцию и требования и быстро создает конфигурации проекта, от традиционных до необычных, включая 3D-модель CAD и оценку производительности.
«Мы хотели сделать для проектирования и проектирования то же, что большие языковые модели искусственного интеллекта сделали для текста», — сказал Джордан Смарт. «Прямо сейчас, когда вы открываете программное обеспечение для инженерного проектирования, вас встречает пустой экран. Используя deepSPACE, вы сообщаете ему свои требования, и он генерирует от 100 до 1000 реализуемых концепций за время, необходимое человеку, чтобы просмотреть одну или две. Это дает вам гораздо лучшее представление о более широком пространстве дизайна».
И Смарт сказал, что deepSPACE не ограничивается только вопросами, связанными с физикой. «Он обучен на сочетании исторических данных и данных моделирования, но может использовать стандартные инструменты оценки затрат и получать как минимум такой же уровень обратной связи для анализа затрат».
Чтобы продемонстрировать свою гибкость, Смарт и его партнер по исследованиям Эмилио Ботеро использовали deepSPACE для создания проектов физических систем на балках, колесах и самолетах, а также в операционных логистических сетях. Они установили партнерские отношения с крупными авиационными и автомобильными компаниями, чтобы гарантировать, что deepSPACE будет полезным для исследователей и специалистов отрасли.
«Мы узнали, что, хотя отдельные люди могут захотеть, чтобы deepSPACE был полностью загружен, компании предпочитают создавать собственные модели, привязанные к их собственным данным и знаниям. На серверной стороне мы можем создавать собственные модели для использования в исследованиях или проектировании, но их также можно использовать, начиная с нулевых данных. Это обучающая платформа».
По словам Смарта, deepSPACE более эффективен, чем старые алгоритмы оптимизации. «Тогда как другие говорили, что им потребовалось 20 000 симуляций, чтобы начать параметризацию своего проектного пространства, мы смогли получить аналогичные результаты всего лишь с 250 образцами. Таким образом, имея примерно в 100 раз меньше точек данных, вы можете получить реальное представление о компромиссах в области проектирования.
«Когда вы проектируете самолет и хотите знать, какое влияние на конструкцию может оказать модификация крыла, добавление двигателя или увеличение полезной нагрузки, подобные тонкости и компромиссы сложны. Традиционные методы могут учитывать тысячи различных проектных точек, прежде чем они смогут разумно интерполировать между ними. Поскольку deepSPACE строит полную генеративную модель, он может гораздо более успешно интерполировать меньшее количество точек данных. Мы можем делать прогнозы того же уровня с той же точностью, быстрее и экономичнее».
Более низкая стоимость делает deepSPACE особенно ценным в аэрокосмической отрасли. «Мы полагаемся на моделирование, потому что строительство самолетов обходится дорого. Но мы изучаем, как его можно использовать в других отраслях».
Тот факт, что deepSPACE предоставляет файл 3D CAD, является дополнительной функцией. Смарт заявил, что результаты других программ создания изображений не могут быть открыты и использованы в другом программном обеспечении для проектирования, при этом все его слои и эффекты останутся нетронутыми.
«С помощью deepSPACE вы получаете точно такой же необработанный файл, как если бы его создал человек. Таким образом, любые изменения или изменения, которые вы захотите внести, уже доступны. Он просто вписывается в ваш рабочий процесс, как если бы вы передали эту работу по субподряду другой фирме, и это был один из ее результатов».
Смарт сказал, что deepSPACE может создать уникальный диалог о дизайне с инженерами-людьми, которые его обучают.
«Один из проектов, созданных DeepSPACE, мы сочли абсурдным. Мы сказали: явно что-то не так. Он был разработан с учетом ряда требований, но ничего подобного в обучающих данных не было. Но затем, когда мы посмотрели на результаты, реальные результаты моделирования того, что он сгенерировал, выглядели разумными и соответствовали требованиям».
Рассматриваемый самолет имел относительно короткие крылья со смещенными назад рулевыми поверхностями для обеспечения баланса и устойчивости. Смарт сказал, что не использовал симуляцию и не делал чего-то, что невозможно было бы построить, поэтому они начали присматриваться к нему повнимательнее и поняли, что где-то видели нечто подобное. В конце концов они обнаружили, что он похож на настоящий самолет, построенный и эксплуатируемый ведущим производителем самолетов.
«Я подготовил данные для обучения, симуляцию и реальный алгоритм обучения. Мы предоставили deepSPACE обучающий набор из трех обычных самолетов с трубчатым крылом, Concorde и одного концепта корпуса со смешанным крылом. После этого он начал генерировать свои собственные концепции и проверять их с помощью моделирования и обучения. Иногда он генерировал что-то нефизическое, но благодаря этому узнавал, где находятся края.
«Без человеческого высказывания «не думай о том или ином» он смог провести собственные эксперименты, например, мозговой штурм, и найти то, чего мы не ожидали. Моя личная предвзятость посоветовала бы выкинуть это».
Смарт сказал, что компания deepSPACE смогла показать ему результаты моделирования и показать, насколько конструкция соответствует его требованиям. Он нашел жизнеспособное решение проблемы, как и было задумано.
«Мы предоставили ему табличный набор исторических данных, на основе которых он расширяет свое понимание и начинает исследовать и экспериментировать. Я могу построить базовую модель, чтобы получить результаты, но затем я могу относиться к ней как к игровой площадке или песочнице. Я могу запустить новую симуляцию, которой нет в исторических данных, и посмотреть, как это пополнит мою базу данных».
«В течение многих лет мне казалось, что мы обладаем невероятными аналитическими возможностями, но узким местом стали мы сами. У нас есть симуляции, но человек просто не может запускать тысячи симуляций снова и снова, отбрасывать плохие, находить хорошие и вырабатывать такую интуицию. deepSPACE — это первое поколение систем, призванных быть инженером в вашем кармане. Вы можете создать проблему и вернуться позже, чтобы найти множество различных вариантов. Затем вы сможете воспользоваться этим и пойти дальше, обладая гораздо большим пониманием тех возможностей, которые у вас уже есть».
Несмотря на то, что Smart был создан с учетом профессиональных академических и отраслевых специалистов, у него есть и другие идеи.
«Моя цель — научить учащихся средних классов использовать что-то DeepSPACE. Они могут не знать физики или не обладать всеми навыками для создания чертежей САПР, но у них есть идея автомобиля, поезда, космического корабля или чего-то еще. они могут рассказать об этом DeepSPACE и запустить его. Затем они смогут внести свои собственные изменения и посмотреть, что будет дальше».
Изучение, «DeepSPACE: Генеративный искусственный интеллект для проектирования конфигурации исследования пространства» Эмилио Ботеро и Джордана Смарт опубликован в журнале Авиационный форум AIAA и ПОДЪЕМ. ДОИ: 10.2514/6.2024-4665. Работа поддерживается грантом Национального научного фонда.
