Progettare l'auto del futuro? Ecco 8.000 modelli per cominciare

(Tecnologia) - L'industria automobilistica potrebbe trovarsi di fronte ad una potenziale rivoluzione nel design grazie all'introduzione di DrivAerNet++, un vasto dataset che contiene oltre 8.000 design automobilistici. L'imponente progetto, portato avanti da ingegneri del MIT, promette di accelerare lo sviluppo di automobili più efficienti dal punto di vista energetico e con minor impatto ambientale.

Il dataset DrivAerNet++ è stato creato per fornire agli ingegneri e ai progettisti una libreria estesa di design automobilistici, ognuno con specifiche dettagliate sull'aerodinamica. Questi design sono stati generati prendendo spunto dai modelli più comuni sulle strade oggi, assicurando la rilevanza e l'applicabilità dei dati. Utilizzando strumenti di intelligenza artificiale generativa, gli ingegneri possono analizzare rapidamente enormi quantità di dati, identificare pattern e generare nuovi design in maniera efficiente. Questo processo non solo riduce i tempi di sviluppo, ma migliora anche la precisione e l'efficacia delle soluzioni progettuali, potenzialmente riducendo i costi di ricerca e sviluppo.

Gli ingegneri del MIT simulano l'aerodinamica per una determinata forma di automobile, che rappresentano in varie modalità, incluse "campi di superficie" (a sinistra) e "linee di flusso" (a destra). Crediti: Mohamed Elrefaie:

Ogni design nel dataset DrivAerNet++ include dati dettagliati simulati sulla fluidodinamica, permettendo agli sviluppatori di valutare come l'aria si muove intorno ai veicoli e di ottimizzare i design per la massima efficienza aerodinamica. Questa caratteristica è cruciale per aumentare l'efficienza del combustibile nei motori a combustione interna e l'autonomia dei veicoli elettrici. L'obiettivo ultimo di DrivAerNet++ è supportare la transizione verso un futuro automobilistico più sostenibile.

"Questo dataset getta le basi per la prossima generazione di applicazioni AI nell'ingegneria, promuovendo processi di design efficienti, riducendo i costi di R&S e guidando avanzamenti verso un futuro automobilistico più sostenibile", afferma Mohamed Elrefaie, dottorando in ingegneria meccanica al MIT.

Elrefaie e i suoi colleghi presenteranno un documento che dettaglia il nuovo dataset e i metodi di intelligenza artificiale applicabili durante la conferenza NeurIPS a dicembre. I co-autori sono Faez Ahmed, professore assistente di ingegneria meccanica al MIT, Angela Dai, professore associato di informatica alla Technical University di Monaco, e Florin Marar di BETA CAE Systems. "Spesso, nel design di un'auto, il processo preliminare è così costoso che i produttori possono apportare solo piccole modifiche da una versione all'altra", dice Ahmed. "Ma se hai dataset più grandi in cui conosci le prestazioni di ogni design, ora puoi addestrare modelli di machine learning per iterare rapidamente, aumentando così la probabilità di ottenere un design migliore."

"Questo è il momento migliore per accelerare le innovazioni nel mondo dell'automobile, poiché le automobili sono tra i maggiori inquinatori al mondo, e più velocemente riusciamo a ridurre quel contributo, più possiamo aiutare il clima", dice Elrefaie.