Yenilikçi Veri Seti ile Araç Tasarımı Sürecinin Hızlandırılması
Araba tasarımı, iteratif ve özel bir süreç olarak bilinir. Otomobil üreticileri, bir aracın tasarım aşamasında yıllar harcayabilir, 3D formları simülasyonlarla inceleyerek en umut verici tasarımları fiziksel testler için geliştirir. Bu testlerin ayrıntıları ve teknik incelemeleri, özellikle bir tasarımın aerodinamiği, genellikle kamuya açıklanmaz. Dolayısıyla, yakıt verimliliği veya elektrikli araç menzili gibi önemli performans gelişmeleri, genellikle kurumsal gizlilik nedeniyle yavaş ve izole bir şekilde gerçekleşir.
DrivAerNet++: İlk Açık Veri Seti
MIT mühendisleri, yeni nesil aerodinamik tasarımlar arayışının, generatif yapay zeka araçları kullanılarak hızlandırılabileceğini belirtiyor. Bu araçlar, büyük veri setlerini saniyeler içinde işleyerek yenilikçi tasarımlar üretebiliyor. Ancak, bu tür AI araçlarının eğitilmesi için ihtiyaç duyduğu veriler, erişilebilir ve merkezileştirilmiş bir formatta mevcut değildi. Şimdi, mühendisler, dünya çapındaki en yaygın otomobil türlerine dayanan 8,000’den fazla araç tasarımını içeren ve ‘DrivAerNet++’ adı verilen bir veri setini kamuya sundu.
Aerodinamik Verilerin Önemi
Bu veri seti, her tasarımı 3D formatında temsil ederken, aynı zamanda aracın aerodinamiği hakkında bilgi de sunuyor. Her bir tasarım, mesh, nokta bulutu veya tasarımın parametre ve boyutlarının basit bir listesi gibi çeşitli formasyonlarda mevcuttur. Bu sayede, farklı AI modelleri, belirli veri formatlarına uyum sağlamak amacıyla bu veri setini kullanabilir. DrivAerNet++, bugüne kadar geliştirilen en büyük açık kaynaklı aerodinamik veri setidir ve mühendisler bunu, hızlı bir şekilde yakıt verimliliği artıran veya daha uzun menzil sunan elektrikli araçlar tasarlamak için kullanılabilir bir kütüphane olarak düşünüyor.
“Bu veri seti, mühendislikte yeni nesil AI uygulamalarının temelini atıyor ve tasarım süreçlerini daha verimli hale getirerek, AR-GE maliyetlerini düşürmeye yardımcı oluyor.” diyor MIT mühendislik yüksek lisans öğrencisi Mohamed Elrefaie.
Ayrıca, bu çalışmanın NeurIPS konferansında sunulacağı müjdesini veriyor.
