نرم افزار طراحی جدید این مفهوم را به پیکربندی های بسیاری می برد

DeepSPACE یک فیلم آینده نگر، یک بازی ویدیویی جدید یا فصل بعدی یک سریال تلویزیونی کلاسیک نیست. در واقع، برنامه طراحی جدید که توسط یک مهندس هوافضا در دانشگاه ایلینویز در Urbana-Champaign ایجاد شده است، اصلاً در مورد فضای خارج از زمین نیست. این ابزار جدید مفهوم و الزامات شما را می گیرد و به سرعت پیکربندی های طراحی را از سنتی به خارج از این جهان ایجاد می کند، از جمله مدل سه بعدی CAD و ارزیابی عملکرد.

جردن اسمارت گفت: «ما می خواستیم برای معماری و طراحی همان کاری را انجام دهیم که مدل های بزرگ زبان هوش مصنوعی برای متن انجام دادند. “در حال حاضر، وقتی نرم افزار طراحی مهندسی را باز می کنید، با یک صفحه خالی مواجه می شوید، با DeepSPACE می توانید نیازهای خود را به آن بگویید و در مدت زمانی که انسان به آن نگاه می کند، 100 تا 1000 مفهوم اجرایی ایجاد می کند. برای طراحی گسترده‌تر، تصویری بسیار بهتر به شما می‌دهد.»

اسمارت گفت: DeepSPACE فقط به سوالات مربوط به فیزیک محدود نمی شود: “این برنامه بر روی ترکیبی از داده های تاریخی و داده های شبیه سازی آموزش داده شده است، اما می تواند از ابزارهای برآورد هزینه استاندارد استفاده کند و حداقل آن سطح از بازخورد را برای تجزیه و تحلیل هزینه دریافت کند.”

اسمارت و شریک تحقیقاتی اش امیلیو بوترو برای نشان دادن انعطاف پذیری خود از DeepSPACE برای ایجاد طرح های سیستم فیزیکی روی تیرها، چرخ ها، هواپیماها و همچنین در شبکه های لجستیک عملیاتی استفاده کردند. آنها با شرکت های بزرگ هواپیماسازی و خودروسازی همکاری کرده اند تا اطمینان حاصل کنند که DeepSPACE چیزی است که برای محققان و متخصصان صنعت مفید است.

این تحقیق در منتشر شده است انجمن پرواز و صعود AIAA 2024.

ما آموخته‌ایم که اگرچه افراد ممکن است بخواهند DeepSPACE به طور کامل بارگذاری شود، شرکت‌ها ترجیح می‌دهند مدل‌های سفارشی مرتبط با داده‌ها و دانش خود بسازند، در نهایت، ما می‌توانیم مدل‌های خود را برای استفاده در تحقیق یا طراحی بسازیم، اما می‌تواند همچنین از داده های صفر شروع می شود.

به گفته اسمارت، DeepSPACE کارآمدتر از الگوریتم های بهینه سازی قدیمی است. در حالی که دیگران گفته‌اند که 20000 شبیه‌سازی را برای شروع تعریف پارامترهای فضای طراحی خود اجرا کرده‌اند، ما تنها با 250 نمونه توانستیم نتایج مشابهی به دست آوریم مبادلات در فضا.

زمانی که شما در حال طراحی یک هواپیما هستید و می خواهید بدانید که تغییر یک بال یا اضافه کردن یک موتور یا افزایش بار چه تاثیری بر طراحی می تواند داشته باشد، این نوع حساسیت ها و معاوضه ها می تواند به هزاران طراحی مختلف نیاز داشته باشد نقاط قبل از اینکه بتوانند به طور منطقی آنها را درون یابی کنند، زیرا DeepSPACE یک مدل کاملاً مولد می سازد، می تواند با موفقیت بیشتری در نقاط داده کمتری درون یابی کند و ما می توانیم به همان سطح پیش بینی با همان سطح دقت سریعتر و اقتصادی تر دست یابیم.

هزینه کم، DeepSPACE را به ویژه در کاربردهای هوافضا ارزشمند می کند. اسمارت افزود: «ما به شبیه سازی متکی هستیم، زیرا ساخت هواپیماها گران است.»

این واقعیت که DeepSPACE یک فایل CAD سه بعدی ارائه می دهد یک امتیاز مثبت است. اسمارت گفت که خروجی سایر برنامه های تولید تصویر را نمی توان باز کرد و با برنامه های طراحی دیگر با تمام لایه ها و جلوه های آنها دست نخورده استفاده کرد.

با DeepSPACE، شما دقیقاً همان نوع فایل‌های خام را دریافت می‌کنید که گویی یک انسان آنها را ساخته است، بنابراین، هر نوع ویرایش یا تغییری که می‌خواهید انجام دهید وجود دارد و در دسترس شماست. البطین تصمیم گرفت با شرکت دیگری همکاری کند و این یکی از دستاوردهای آنها بود.

اسمارت گفت که DeepSPACE می تواند یک مکالمه طراحی منحصر به فرد با مهندسین انسانی که آن را آموزش می دهند ایجاد کند. اسمارت توضیح داد: “ما فکر می کردیم یکی از طرح هایی که DeepSPACE ایجاد کرده بود مضحک بود.” این برنامه حول مجموعه‌ای از الزامات طراحی شده بود، اما چیزی شبیه به این در داده‌های آموزشی وجود نداشت، اما زمانی که به نتایج نگاه کردیم، نتایج شبیه‌سازی واقعی به نظر معقول و مطابق با الزامات بود.

هواپیمای مورد نظر دارای بالهای نسبتاً کوتاهی بود که سطوح کنترلی آن به سمت عقب حرکت می کرد تا تعادل و پایداری ایجاد کند. اسمارت گفت که از شبیه‌سازی استفاده نمی‌کند یا کاری انجام نمی‌دهد که نمی‌توان ساخت، بنابراین آنها شروع به بررسی دقیق‌تر کردند و متوجه شدند که چیزی شبیه به آن را در جایی دیده‌اند. در پایان، آنها دریافتند که این هواپیما شبیه به یک هواپیمای واقعی است که توسط یک سازنده هواپیمای پیشرو ساخته و پرواز کرده است.

من داده‌های آموزشی و شبیه‌سازی و الگوریتم یادگیری واقعی را تنظیم کردم. ما به DeepSPACE مجموعه‌ای از سه هواپیمای معمولی بال و لوله، یک Concorde و یک بال ترکیبی دادیم بررسی آنها در برابر شبیه سازی و یادگیری، گاهی اوقات چیزی ناملموس تولید می کند، اما از آن جا متوجه شدم که لبه ها کجا هستند.

“بدون اینکه انسانی بگوید “به این یا آن فکر نکن”، او می‌توانست آزمایش‌های خودش را انجام دهد، مانند طوفان فکری، و چیزی را بیابد که ما انتظارش را نداشتیم. اسمارت گفت. .

اسمارت گفت که DeepSPACE توانسته است نتایج شبیه سازی و اینکه چگونه طراحی نیازهای او را برآورده می کند، به او نشان دهد. راه حل مناسبی برای مشکل پیدا کرده است، درست همانطور که برای انجام آن طراحی شده است.

ما مجموعه ای جدول بندی شده از داده های تاریخی را به آن می دهیم، که از طریق آن درک خود را افزایش می دهد و شروع به کاوش و آزمایش می کند، من می توانم یک مدل پایه برای به دست آوردن نتایج بسازم، اما سپس می توانم با آن به عنوان یک زمین بازی یا جعبه شنی رفتار کنم شبیه سازی های جدیدی را اجرا کنید که در داده های تاریخی وجود ندارد، ببینید چگونه این به پایگاه داده دانش من اضافه می کند.

برای سال‌ها، احساس می‌کردم که توانایی تحلیلی شگفت‌انگیزی داریم، اما گلوگاه ما شبیه‌سازی‌ها شد، اما یک انسان نمی‌تواند هزاران شبیه‌سازی را بارها و بارها اجرا کند و موارد بد را رد کند و خوب‌ها را بیابد و آن را بسازد. نوع شهودی DeepSPACE اولین نسل از سیستم‌هایی است که طراحی شده‌اند تا یک مهندس در جیب شما باشند و می‌توانید مشکل را راه‌اندازی کنید و بعداً برای یافتن طیف وسیعی از گزینه‌های مختلف بازگردید و با دانش بیشتری از طریق توانایی‌هایی که در حال حاضر دارید پیش بروید.

اگرچه با در نظر گرفتن متخصصان حرفه‌ای دانشگاهی و صنعتی، اسمارت ایده‌های دیگری نیز دارد: «هدف من این است که دانش‌آموزان دوره راهنمایی را به استفاده عمیق از چیزی ببرند، آنها ممکن است فیزیک را ندانند یا تمام مهارت‌های لازم برای انجام یک طراحی CAD را نداشته باشند اما اگر ایده ای داشته باشند… برای ماشین یا قطار یا سفینه فضایی یا چیزی شبیه به آن، می توانند به DeepSPACE در مورد آن بگویند و آن را اجرا کنند و سپس می توانند تغییرات خود را ایجاد کنند و ببینند بعد چه اتفاقی می افتد.”