deepSPACE no es una película futurista, un nuevo videojuego o la próxima temporada de una serie de televisión clásica De hecho, el nuevo software de diseño desarrollado por un ingeniero aeroespacial de la Universidad de Illinois en Urbana-Champaign no trata sobre el espacio exterior. Esta nueva herramienta toma sus ideas y requisitos y crea rápidamente configuraciones de diseño fuera de este mundo a partir de las convencionales, incluido un modelo CAD 3D y una evaluación del rendimiento.
“Queríamos hacer con la ingeniería y el diseño lo que los grandes modelos de lenguaje de IA hacían con el texto”, afirmó Jordan Smart. “En este momento, cuando abres un software de diseño de ingeniería, te encuentras con una pantalla en blanco. Con deepSPACE, le dices tus requisitos y genera entre 100 y 1000 ideas que un ser humano necesitaría ver. Te ofrece una o dos El diseño más amplio ofrece una mejor imagen del espacio”.
Y Smart dice que deepSPACE no se limita a cuestiones relacionadas con la física. “Está entrenado en una combinación de datos históricos y de simulación, pero puede utilizar herramientas estándar de estimación de costos y obtener al menos ese nivel de retroalimentación para el análisis de costos”.
Para demostrar su flexibilidad, Smart y su socio de investigación Emilio Botero utilizaron deepSPACE para crear diseños de sistemas físicos en vigas, ruedas y aviones, pero también en redes logísticas operativas. Se han asociado con importantes empresas aeroespaciales y automotrices para garantizar algo útil para los investigadores del espacio profundo y los profesionales de la industria.
“Hemos aprendido que, si bien los individuos quieren cargar completamente deepSPACE, las empresas prefieren construir modelos personalizados vinculados a sus propios datos y conocimientos. En retrospectiva, podemos construir nuestros propios modelos para usarlos en investigación o diseño, pero eso es suficiente. Datos cero. También se utilizará como plataforma de aprendizaje”.
Según Smart, DeepSpace es más eficiente que los algoritmos de optimización más antiguos. “Mientras otros dijeron que necesitaron 20.000 simulaciones para comenzar a parametrizar su espacio de diseño, nosotros pudimos obtener los mismos resultados con aproximadamente 250 muestras. Entonces, con aproximadamente 100 veces menos puntos de datos, se puede tener una idea real de las compensaciones en el espacio de diseño.
“Cuando diseñas un avión y quieres saber cómo cambiar el ala, agregar un motor o aumentar la carga útil podría afectar el diseño, este tipo de sensibilidades y compensaciones son complejas. Los métodos tradicionales pueden requerir miles de puntos de diseño diferentes porque deepSPACE está construyendo un modelo totalmente generativo antes de interpolarlo racionalmente, es capaz de predecir con mucho más éxito con menos puntos de datos y con el mismo nivel de precisión de forma más rápida y económica”.
El bajo costo hace que el espacio profundo sea particularmente valioso en aplicaciones espaciales. “Confiamos en la simulación porque construir aviones es caro. Pero estamos estudiando cómo se puede utilizar en otras industrias”.
Una característica adicional es que deepSPACE proporciona un archivo CAD en 3D. Smart dice que los resultados de otros programas generadores de imágenes no se pueden abrir ni utilizar con otro software de diseño con todas las capas y efectos aún intactos.
“Con deepSPACE, obtienes exactamente el mismo archivo sin formato como si lo hubiera creado un ser humano. Por lo tanto, cualquier tipo de edición o cambio que desees realizar está ahí y disponible. Se integra perfectamente en tu flujo de trabajo como si lo tuvieras. El trabajo fue subcontratado a otra empresa y este fue uno de sus entregables.”
Smart dice que deepSPACE puede crear una conversación de diseño única con los ingenieros humanos que lo entrenan.
“Uno de los diseños que creó DeepSpace era absurdo. Dijimos, obviamente, algo anda mal. Fue diseñado para un conjunto de requisitos, pero no había nada de eso en los datos de entrenamiento. Pero luego, cuando miramos los resultados, lo que realmente producido Para ello, los resultados de la simulación son razonables y cumplen con los requisitos.”
El avión en cuestión tenía alas relativamente cortas con superficies de control traseras para proporcionar equilibrio y estabilidad. Smart dijo que no estaba explotando la simulación ni haciendo nada que no pudiera crearse, así que comenzaron a mirarlo más de cerca y se dieron cuenta de que habían visto algo parecido en alguna parte. Finalmente, descubrieron que se parecía a un avión real construido y pilotado por un fabricante de aviones líder.
“Configuré datos de entrenamiento, simulaciones y algoritmos de aprendizaje reales. Le dimos a deepSPACE un conjunto de aprendizaje de tres aviones convencionales con tubos y alas, el Concorde, y un concepto de cuerpo de ala combinado. A partir de ahí, comenzó a desarrollar y probar sus propios conceptos. en contra de su simulación y aprendizaje, a veces producirá algo no físico, pero aprende de dónde están los bordes.
“Ha podido realizar sus propias pruebas, como una lluvia de ideas, sin que la gente dijera ‘no consideres esto o aquello’ y encontrara algo que no esperábamos. Mi tendencia personal habría sido descartarlo”.
Smart dijo que DeepSpace pudo mostrarle los resultados de la simulación y cómo el diseño cumplía con sus requisitos. Encontró una solución eficaz al problema para el que fue diseñado.
“Le damos un conjunto tabular de datos históricos, a partir del cual construye su comprensión y comienza a explorar y probar. Puedo construir un modelo de referencia para obtener resultados, pero luego puedo tratarlo como un patio de recreo o una caja de arena. Una nueva simulación puede ejecutar eso no está en los datos históricos, veré cómo eso se suma a mi base de conocimientos”.
“A lo largo de los años, he sentido que tenemos capacidades analíticas increíbles, pero el cuello de botella hemos sido nosotros. Tenemos simulaciones, pero un ser humano no puede ejecutar miles de simulaciones una y otra vez y rechazar las malas y encontrar las buenas. y hacer que DeepSpace sea un sistema de primera generación diseñado para tener un ingeniero en su bolsillo, y luego pueda encontrar diferentes opciones para avanzar con mucha más información de la que ya tiene”.
Aunque está diseñado pensando en académicos profesionales y profesionales de la industria, Smart tiene otras ideas.
“Mi objetivo es lograr que los estudiantes de secundaria utilicen deepSPACE. Puede que no sepan física o no tengan todas las habilidades para dibujar CAD, pero si tienen una idea para un automóvil, un tren, una nave espacial o algo así, cuéntele a deepSPACE y Ejecútelo y luego podrán realizar sus propios cambios y ver qué sucede a continuación”.