Narzędzie do projektowania deepSPACE przenosi koncepcję do wielu konfiguracji

„Chcieliśmy zrobić dla inżynierii i projektowania to samo, co duże modele językowe AI zrobiły dla tekstu” – powiedział Jordan Smart. „W tej chwili, gdy otwierasz oprogramowanie do projektowania inżynieryjnego, wita Cię pusty ekran. W deepSPACE podajesz swoje wymagania, a on generuje od 100 do 1000 koncepcji, które są wykonalne w czasie, jaki zajęłoby człowiekowi spojrzenie na nie jeden lub dwa. Daje to znacznie lepszy obraz szerszej przestrzeni projektowej.

Smart powiedział, że deepSPACE nie ogranicza się tylko do pytań związanych z fizyką. „Jest przeszkolony w oparciu o kombinację danych historycznych i symulacyjnych, ale może korzystać ze standardowych narzędzi do szacowania kosztów i uzyskać co najmniej taki poziom informacji zwrotnych na potrzeby analizy kosztów”.

Aby zademonstrować elastyczność rozwiązania, Smart i jego partner badawczy Emilio Botero wykorzystali deepSPACE do wygenerowania projektów systemów fizycznych dotyczących belek, kół i samolotów, ale także operacyjnych sieci logistycznych. Nawiązali współpracę z dużymi firmami lotniczymi i motoryzacyjnymi, aby zapewnić, że deepSPACE stanie się narzędziem przydatnym dla badaczy i specjalistów z branży.

„Dowiedzieliśmy się, że chociaż pojedyncze osoby mogą chcieć, aby deepSPACE było w pełni załadowane, firmy wolą budować niestandardowe modele powiązane z ich własnymi danymi i wiedzą. Z drugiej strony możemy zbudować własne modele do wykorzystania w badaniach lub projektowaniu, ale może to można go również używać, zaczynając od zerowych danych. Jest to platforma, której można się uczyć.”

Według Smarta deepSPACE jest bardziej wydajny niż starsze algorytmy optymalizacyjne. „Podczas gdy inni twierdzili, że przeprowadzili 20 000 symulacji, aby rozpocząć parametryzację przestrzeni projektowej, my byliśmy w stanie uzyskać podobne wyniki przy zaledwie około 250 próbkach. Zatem przy około 100 razy mniejszej liczbie punktów danych można naprawdę zrozumieć kompromisy w przestrzeń projektowa.

„Kiedy projektujesz samolot i chcesz wiedzieć, jaki wpływ na projekt może mieć modyfikacja skrzydła, dodanie silnika lub zwiększenie ładowności, tego rodzaju kwestie wrażliwości i kompromisy są skomplikowane. Tradycyjne metody mogą wymagać tysięcy różnych punktów projektowych zanim będą mogli dokonać rozsądnej interpolacji między nimi. Ponieważ deepSPACE buduje kompletny model generatywny, jest w stanie znacznie skuteczniej interpolować na mniejszej liczbie punktów danych. Jesteśmy w stanie szybciej i bardziej ekonomicznie przeprowadzać ten sam poziom przewidywania z tym samym poziomem dokładności .”

Niższy koszt sprawia, że ​​deepSPACE jest szczególnie cenny w zastosowaniach lotniczych. „Opieramy się na symulacji, ponieważ budowanie samolotów jest drogie. Zastanawiamy się jednak, jak można je wykorzystać w innych branżach”.

Dodatkową funkcją jest fakt, że deepSPACE udostępnia plik 3D CAD. Smart powiedział, że wyników z innych programów do generowania obrazów nie można otwierać i używać w innym oprogramowaniu do projektowania, gdy wszystkie warstwy i efekty pozostają nienaruszone.

„Dzięki deepSPACE otrzymujesz dokładnie taki sam rodzaj nieprzetworzonego pliku, jak gdyby stworzył go człowiek. Zatem wszelkie edycje i zmiany, które chcesz wprowadzić, są tam i dostępne. Po prostu wpasowują się one bezpośrednio w Twój przepływ pracy, tak jakbyś miał zlecił wykonanie prac innej firmie i to był jeden z ich rezultatów.”

Smart powiedział, że deepSPACE może nawiązać wyjątkową rozmowę projektową z inżynierami, którzy go szkolą.

„Jeden z projektów wygenerowanych przez deepSPACE uznaliśmy za absurdalny. Powiedzieliśmy, że najwyraźniej coś jest nie tak. Został zaprojektowany zgodnie z zestawem wymagań, ale w danych szkoleniowych nic takiego nie było. Ale kiedy spojrzeliśmy na wyniki, rzeczywista Wyniki symulacji w zakresie wygenerowanych wyników wyglądały rozsądnie i spełniały wymagania.”

Samolot, o którym mowa, miał stosunkowo krótkie skrzydła z powierzchniami sterowymi przesuniętymi do tyłu, aby zapewnić równowagę i stabilność. Smart stwierdził, że nie wykorzystuje symulacji ani nie robi czegoś, czego nie da się zbudować, więc zaczęli się temu bliżej przyglądać i zdali sobie sprawę, że gdzieś widzieli coś takiego. W końcu odkryli, że przypomina rzeczywisty samolot zbudowany i pilotowany przez wiodącego producenta samolotów.

„Przygotowałem dane szkoleniowe, symulację i rzeczywisty algorytm uczenia się. Daliśmy deepSPACE zestaw do uczenia się z trzech konwencjonalnych samolotów tubowo-skrzydłowych, Concorde i jednej koncepcji korpusu ze skrzydłem mieszanym. Od tego momentu zaczęto generować własne koncepcje i sprawdzać przeciwko symulacji i uczeniu się. Czasami generowało to coś niefizycznego, ale dzięki temu dowiedziało się, gdzie są krawędzie.

„Bez ludzkiego powiedzenia «nie rozważaj tego czy tamtego» byłby w stanie przeprowadzić własne eksperymenty, na przykład burzę mózgów, i znaleźć coś, czego się nie spodziewaliśmy. Moje osobiste nastawienie mówiłoby o wyrzuceniu tego”.

Smart powiedział, że deepSPACE był w stanie pokazać mu wyniki symulacji i sposób, w jaki projekt spełnił jego wymagania. Znalazło realne rozwiązanie problemu, tak jak zostało zaprojektowane.

„Daliśmy mu tabelaryczny zestaw danych historycznych, na podstawie którego poszerza swoją wiedzę oraz zaczyna odkrywać i eksperymentować. Mogę zbudować model bazowy, aby uzyskać wyniki, ale potem mogę potraktować go jak plac zabaw lub piaskownicę. mogę przeprowadzić nową symulację, której nie ma w danych historycznych, zobacz, jak to wpłynie na moją bazę wiedzy”.

„Przez lata wydawało mi się, że mamy niesamowite możliwości analityczne, ale wąskim gardłem staliśmy się my. Mamy symulacje, ale człowiek nie może w kółko przeprowadzać tysięcy symulacji, odrzucać tych złych, znajdować dobrych i budować tego rodzaju intuicja deepSPACE to pierwsza generacja systemów zaprojektowanych tak, aby działać jak inżynier w kieszeni. Możesz skonfigurować problem i wrócić później, aby znaleźć wiele różnych opcji. Następnie możesz go rozwiązać idź dalej, korzystając ze znacznie większego wglądu w możliwości, które już posiadasz.”

Chociaż Smart został stworzony z myślą o profesjonalistach akademickich i branżowych, ma inne pomysły.

„Moim celem jest zachęcenie gimnazjalistów do korzystania z czegoś deepSPACE. Mogą nie znać fizyki lub nie posiadać wszystkich umiejętności potrzebnych do wykonania rysunku CAD, ale jeśli mają pomysł na samochód, pociąg, statek kosmiczny czy coś takiego. Mogą to zrobić. powiedz o tym deepSPACE i uruchom go. Następnie będą mogli wprowadzić własne zmiany i zobaczyć, co będzie dalej.