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 en absoluto del espacio exterior.Esta nueva herramienta toma su concepto y requisitos y genera rápidamente configuraciones de diseño desde convencionales hasta fuera de este mundo, incluido un modelo CAD 3D y evaluaciones de rendimiento.

"Queríamos hacer para la ingeniería ydiseño"Lo que los grandes modelos de lenguaje de IA han hecho para el texto", dijo Jordan Smart. "En este momento, cuando abres un software de diseño de ingeniería, te encuentras con una pantalla en blanco.Con deepSPACE, usted le indica sus requisitos y genera de 100 a 1000 conceptos que son factibles en el tiempo que le tomaría a un humano analizar uno o dos.Ofrece una imagen mucho mejor del espacio de diseño más amplio".

Y Smart dijo que deepSPACE no se limita sólo a cuestiones relacionadas con la física: "Se basa en una combinación de conocimientos históricos ydatos de simulaciónpero puede utilizar herramientas estándar de estimación de costos y obtener al menos ese nivel de retroalimentación para un análisis de costos".

Para demostrar su flexibilidad, Smart y su socio de investigación Emilio Botero utilizaron deepSPACE para generar diseños de sistemas físicos en vigas, ruedas y aviones, pero también en redes logísticas operativas.Crearon asociaciones con grandes empresas aeronáuticas y automotrices para garantizar que deepSPACE sea algo útil para los investigadores y profesionales de la industria.

La investigación espublicadoen elFORO DE AVIACIÓN AIAA Y ASCEND 2024.

"Aprendimos que, si bien las personas pueden querer que deepSPACE esté completamente equipado, las empresas prefieren construir modelos personalizados vinculados a sus propios datos y conocimientos. En el back-end, podemos construir nuestros propios modelos para usarlos en investigación o diseño, pero puedeTambién se puede utilizar a partir de cero datos. Es una plataforma que se puede enseñar", explicó Smart.

Según Smart, deepSPACE es más eficiente que los algoritmos de optimización más antiguos."Mientras otros dijeron que necesitaban 20.000 simulaciones para comenzar a parametrizar su espacio de diseño, nosotros pudimos obtener resultados similares con sólo unas 250 muestras. Entonces, con aproximadamente 100 veces menos puntos de datos, se puede tener una idea real de las compensaciones".en el espacio del diseño.

"Cuando diseñas un avión y quieres saber qué efecto podría tener en el diseño la modificación del ala, la adición de un motor o el aumento de la carga útil, ese tipo de sensibilidades y compensaciones son complicadas. Los métodos tradicionales pueden requerir miles de puntos de diseño diferentes.antes de que puedan interpolar razonablemente entre ellos. Debido a que deepSPACE está construyendo un modelo generativo completo, puede interpolar con mucho más éxito en menos puntos de datos. Podemos hacer el mismo nivel de predicción con el mismo nivel de precisión de manera más rápida y económica.".

El menor costo hace que deepSPACE sea particularmente valioso en aplicaciones aeroespaciales."Confiamos en la simulación porque construir aviones es caro. Pero estamos estudiando cómo se puede utilizar en otras industrias", añadió Smart.

El hecho de que deepSPACE proporcione un archivo CAD 3D es una característica adicional.Smart dijo que la salida de otros programas generadores de imágenes no se puede abrir ni utilizar con otro software de diseño con todas sus capas y efectos aún intactos.

"Con deepSPACE, obtienes exactamente el mismo tipo de archivo sin formato que si lo hubiera creado un ser humano. Por lo tanto, cualquier tipo de edición o cambio que desees realizar está ahí y disponible. Simplemente se integra perfectamente en tu flujo de trabajo como si tuvierasSubcontraté el trabajo a otra empresa y este fue uno de sus entregables".

Smart dijo que deepSPACE puede crear una conversación de diseño única con los ingenieros humanos que lo capacitan.Smart explicó: "Pensamos que uno de los diseños que generó deepSPACE era absurdo. Dijimos: 'Claramente, algo anda mal. Fue diseñado según un conjunto de requisitos, pero no había nada parecido en los datos de entrenamiento'.Pero luego, cuando analizamos los resultados, los resultados reales de la simulación de lo que generó parecían razonables y cumplían con los requisitos".

El avión en cuestión tenía alas relativamente cortas con las superficies de control desplazadas hacia atrás para proporcionar equilibrio y estabilidad.Smart dijo que no estaba explotando la simulación ni haciendo algo que no se pudiera construir, así que comenzaron a mirarlo más de cerca y se dieron cuenta de que habían visto algo parecido en alguna parte.Finalmente, descubrieron que era similar a un avión real construido y pilotado por un fabricante de aviones líder.

"Había configurado los datos de entrenamiento, la simulación y el algoritmo de aprendizaje real. 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 generar sus propios conceptos ycomparándolos con la simulación y aprendiendo. A veces generaba algo no físico, pero a partir de eso aprendió dónde están los bordes.

"Sin que un humano dijera 'no consideres esto o aquello', fue capaz de realizar su propia experimentación, como una lluvia de ideas, y encontrar algo que no esperábamos. Mi tendencia personal habría dicho que lo descartáramos", dijo Smart..

Smart dijo que deepSPACE pudo mostrarle los resultados de la simulación y cómo el diseño cumplía con sus requisitos.Encontró una solución viable al problema, tal como fue diseñado para hacerlo.

"Le dimos un conjunto tabulado de datos históricos, a partir del cual aumenta su comprensión y comienza a explorar y experimentar. Puedo construir un modelo de referencia para obtener los resultados, pero luego puedo tratarlo como un patio de recreo o un arenero.Puedo ejecutar una nueva simulación que no está en los datos históricos, ver cómo eso se suma a mi base de datos de conocimiento.

"Durante años, he sentido que tenemos una capacidad de análisis increíble, pero el cuello de botella lo hemos convertido en nosotros. Tenemos simulaciones, pero un ser humano simplemente no puede ejecutar miles de simulaciones una y otra vez y rechazar las malas y encontrar las buenas.y desarrollar ese tipo de intuición. deepSPACE es la primera generación de sistemas diseñados para ser como un ingeniero en su bolsillo. Puede configurar el problema y volver más tarde para encontrar una serie de opciones diferentes.y llegue más lejos con mucha más información a partir de las capacidades que ya tiene".

Aunque fue creado con profesionales académicos y de la industria en mente, Smart tiene otras ideas: "Mi objetivo es lograr que los estudiantes de secundaria utilicen algo deepSPACE. Puede que no sepan la física o no tengan todas las habilidades para hacer un dibujo CAD, pero si tienenuna idea para un automóvil, un tren, una nave espacial o algo así, pueden contárselo a DeepSPACE y ejecutarlo, luego pueden hacer sus propios cambios y ver qué sucede a continuación".

Más información:Emilio M. Botero et al, DeepSPACE: IA generativa para la exploración espacial del diseño de configuración,FORO DE AVIACIÓN AIAA Y ASCEND 2024(2024).DOI: 10.2514/6.2024-4665