Обычно требуется несколько часов или целый день для проверки аэродинамических свойств перепроектированного автомобиля, самолета или другого объекта, поскольку компьютеру обычно приходится решать сложную систему уравнений для расчета воздушного потока вокруг модели.
Ученый Нобуюки Уметани из Autodesk Research (в настоящее время в Токийском университете) и Бернд Биккель из Института науки и технологии Австрии (IST Austria) теперь значительно ускорили этот процесс, так что теперь линии тока и поля давления теперь доступны в режиме реального времени. Впервые ваш метод использует машинное обучение для моделирования потока вокруг непрерывно редактируемых трехмерных объектов.
Идея возникла в обсуждении
Машинное обучение может значительно ускорить чрезвычайно трудоемкие вычисления. Пока что расчет аэродинамических свойств автомобилей занял целый день. «С помощью машинного обучения мы можем прогнозировать поле потока за доли секунды», - объясняет Нобуюки Уметани. Идея использования машинного обучения возникла в дискуссии между двумя учеными, которые работают вместе годами. «Мы оба разделяем концепцию ускорения моделирования», - объясняет Бикель. «Мы хотим, чтобы люди могли проектировать объекты в интерактивном режиме, поэтому мы работаем вместе для разработки методов, управляемых данными».
3D-объекты предъявляют высокие требования к машинному обучению
Из-за строгих требований машинного обучения было чрезвычайно трудно применить метод для моделирования полей потока. Для машинного обучения входные и выходные данные должны быть структурированы. Это хорошо работает для двумерных изображений, которые могут быть легко представлены регулярным расположением пикселей. Однако, если трехмерный объект представлен небольшими единицами, такими как сеть треугольников, расположение этих единиц может изменяться при изменении формы. Поэтому два очень похожих объекта для компьютера могут выглядеть очень по-разному, если они представлены другой сетью. В этом случае машина не сможет передавать информацию, полученную из одной формы, в другую.
СОВЕТ ПО СЕМИНАРУ С помощью онлайн-курса «Машинное обучение - как машина обучается?» Вы можете глубже изучить методологию. Профессор ван дер Смагт - руководитель отдела искусственного интеллекта в Volkswagen - объясняет участникам в течение двух часов наиболее важные концепции машинного обучения в концентрированной и сжатой форме.
Следующая информация
Поликубы решают проблему с высокой точностью
Решение пришло из идеи Нобуюки Уметани использовать так называемые поликубы, чтобы сделать формы управляемыми для машинного обучения. Этот подход - первоначально разработанный для добавления текстур к объектам в компьютерной анимации - использует строгие правила при представлении объектов. Модель представлена только небольшим количеством больших кубиков. Затем они уточняются и делятся на более мелкие в соответствии с четко определенной процедурой. Представленные таким образом объекты со сходными формами также имеют сходные структуры данных, которые можно оценивать и сравнивать методами машинного обучения.
В своем исследовании исследователи также смогли показать, что их метод достигает впечатляющей точности, что является важным требованием при проектировании новых автомобилей. Нобуюки Уметани объясняет: «Если моделирование выполняется классическим способом, результаты для каждой протестированной формы в конечном итоге отбрасываются после расчета. Это означает, что каждый новый расчет начинается с нуля. В машинном обучении мы используем данные предыдущих расчетов. Таким образом, точность увеличивается, когда мы повторяем расчет ».
Метод ученых был представлен на известной конференции SIGGRAPH. С оригинальной публикацией можно ознакомиться здесь.