Cuando los ingenieros o diseñadores desean probar las propiedades aerodinámicas de la forma recién diseñada de un automóvil, avión u otro objeto, normalmente modelarían el flujo de aire alrededor del objeto haciendo que una computadora resuelva un conjunto complejo de ecuaciones:un procedimiento que generalmente lleva horas o incluso un día entero. Nobuyuki Umetani de la investigación de Autodesk ahora en la Universidad de Tokio y Bernd Bickel del Instituto de Ciencia y Tecnología de Austria IST Austria ahora han acelerado significativamente este proceso, haciendo más eficientey parámetros disponibles en tiempo real. Su método, que es el primero en utilizar el aprendizaje automático para modelar el flujo alrededor de objetos 3D editables continuamente, se presentará en la conferencia SIGGRAPH de este año en Vancouver, donde los investigadores de IST Austria participan en un total de cincopresentaciones
El aprendizaje automático puede hacer que los métodos que consumen mucho tiempo sean mucho más rápidos. Antes, el cálculo de las propiedades aerodinámicas de los automóviles generalmente tomaba un día. "Con nuestra herramienta de aprendizaje automático podemos predecir el flujo en fracciones de segundo".dice Nobuyuki Umetani. La idea de utilizar el aprendizaje automático surgió en una discusión entre los dos colaboradores de toda la vida. "Ambos compartimos la visión de hacer simulaciones más rápido", explica el profesor de IST Austria Bernd Bickel. "Queremos que las personas puedandiseñamos objetos de manera interactiva y, por lo tanto, trabajamos juntos para desarrollar métodos basados en datos ", agrega.
Hasta ahora, ha sido extremadamente difícil aplicar el aprendizaje automático al problema de modelar campos de flujo alrededor de objetos debido a los requisitos restrictivos del método. Para el aprendizaje automático, tanto los datos de entrada como los de salida deben estructurarse de manera consistente.la estructuración de la información funciona bien para imágenes 2D, donde una imagen puede representarse fácilmente mediante una disposición regular de píxeles, pero si un objeto 3D está representado por unidades que definen su forma, como una malla de triángulos, la disposición de estas unidades podríacambiar si la forma cambia. Por lo tanto, dos objetos que se parecen mucho a una persona pueden parecer muy diferentes a una computadora, ya que están representados por una malla diferente y, por lo tanto, la máquina no podría transferir la información sobre uno a otro.
La solución surgió de la idea de Nobuyuki Umetani de usar los llamados policubos para hacer que las formas sean manejables para el aprendizaje automático. Este enfoque, que fue desarrollado originalmente para aplicar texturas a objetos en animaciones de computadora, tiene reglas estrictas para representar los objetos. Un modelocomienza con un pequeño número de cubos grandes que luego se refinan y se dividen en otros más pequeños siguiendo un procedimiento bien definido.Si se representan de esta manera, los objetos con formas similares tendrán una estructura de datos similar que los métodos de aprendizaje automático pueden manejar y comparar.
Los investigadores también demostraron en su estudio que el método de aprendizaje automático logra una precisión impresionante, un requisito previo para la ingeniería. Nobuyuki Umetani explica: "Cuando las simulaciones se realizan de la manera clásica, los resultados para cada forma probada finalmente se desechan después decálculo. Esto significa que cada nuevo cálculo comienza desde cero. Con el aprendizaje automático, utilizamos los datos de cálculos anteriores, y si repetimos un cálculo, la precisión aumenta ".
Fuente de la historia :
Materiales proporcionado por Instituto de Ciencia y Tecnología de Austria . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :