deepSPACE는 미래 지향적인 영화도, 새로운 비디오 게임도, 클래식 TV 시리즈의 다음 시즌도 아닙니다.실제로 일리노이 대학교 어바나-샴페인 캠퍼스의 항공우주 엔지니어가 개발한 새로운 설계 소프트웨어는 전혀 우주 공간에 관한 것이 아닙니다.이 새로운 도구는 고객의 개념과 요구 사항을 수용하고 3D CAD 모델 및 성능 평가를 포함하여 기존 설계부터 최신 설계까지 신속하게 설계 구성을 생성합니다.

"우리는 엔지니어링 분야에서 하고 싶었고설계조던 스마트(Jordan Smart)는 "대규모 AI 언어 모델이 텍스트를 위해 어떤 일을 해왔는지"라고 말했습니다. "지금 엔지니어링 설계 소프트웨어를 열면 빈 화면이 나타납니다.deepSPACE를 사용하면 요구 사항을 알려주면 사람이 한두 가지를 살펴보는 데 걸리는 시간 내에 실현 가능한 100~1,000개의 개념을 생성합니다.이는 더 넓은 디자인 공간에 대한 훨씬 더 나은 그림을 제공합니다."

그리고 Smart는 deepSPACE가 물리학과 관련된 질문에만 국한되지 않는다고 말했습니다.시뮬레이션 데이터하지만 표준 비용 추정 도구를 사용하고 비용 분석에 대해 최소한 그 수준의 피드백을 얻을 수 있습니다."

유연성을 입증하기 위해 Smart와 그의 연구 파트너인 Emilio Botero는 deepSPACE를 사용하여 빔, 바퀴, 항공기뿐만 아니라 운영 물류 네트워크에 대한 물리적 시스템 설계를 생성했습니다.그들은 deepSPACE가 연구원과 업계 전문가에게 유용한 것임을 보장하기 위해 대형 항공기 및 자동차 회사와 파트너십을 맺었습니다.

연구는출판됨에서AIAA 항공 포럼 및 ASCEND 2024.

"개인은 deepSPACE가 완전히 로드되기를 원하지만 기업은 자신의 데이터와 지식에 연결된 맞춤형 모델을 구축하는 것을 선호한다는 것을 알게 되었습니다. 백엔드에서는 연구나 설계에 사용할 자체 모델을 구축할 수 있지만,데이터가 전혀 없는 상태에서도 사용할 수 있습니다."라고 Smart는 설명했습니다.

Smart에 따르면 deepSPACE는 이전 최적화 알고리즘보다 더 효율적입니다."다른 사람들은 설계 공간의 매개변수화를 시작하기 위해 20,000번의 시뮬레이션을 수행했다고 말했지만 우리는 약 250개의 샘플만으로 비슷한 결과를 얻을 수 있었습니다. 따라서 약 100배 적은 데이터 포인트로 절충점을 실제로 이해할 수 있습니다.디자인 공간에서.

"비행기를 설계하고 날개 수정, 엔진 추가 또는 탑재량 증가가 설계에 어떤 영향을 미칠 수 있는지 알고 싶을 때 이러한 종류의 민감도와 절충점은 복잡합니다. 기존 방법에는 수천 개의 서로 다른 설계 포인트가 필요할 수 있습니다.deepSPACE는 완전한 생성 모델을 구축하기 때문에 더 적은 수의 데이터 포인트에서 훨씬 더 성공적으로 보간할 수 있으며 동일한 수준의 정확도로 더 빠르고 경제적으로 예측할 수 있습니다.."

저렴한 비용으로 인해 deepSPACE는 항공우주 애플리케이션에서 특히 가치가 높습니다."항공기 제작에는 비용이 많이 들기 때문에 우리는 시뮬레이션에 의존합니다. 하지만 우리는 이 시뮬레이션이 다른 산업에서도 어떻게 사용될 수 있는지 살펴보고 있습니다"라고 Smart는 덧붙였습니다.

deepSPACE가 3D CAD 파일을 제공한다는 점도 추가된 기능입니다.Smart는 다른 이미지 생성 프로그램의 출력을 열 수 없으며 모든 레이어와 효과가 그대로 유지된 상태에서 다른 디자인 소프트웨어와 함께 사용할 수 없다고 말했습니다.

"deepSPACE를 사용하면 사람이 만든 것과 똑같은 종류의 원시 파일을 얻을 수 있습니다. 따라서 원하는 모든 종류의 편집이나 변경 사항이 거기에 있고 사용할 수 있습니다.작업을 다른 회사에 하청을 주었고 이것이 그들의 결과물 중 하나였습니다."

Smart는 deepSPACE가 이를 교육하는 인간 엔지니어와 독특한 설계 대화를 만들 수 있다고 말했습니다.Smart는 "deepSPACE가 생성한 디자인 중 하나가 터무니없다고 생각했습니다. 우리는 '분명히 뭔가 잘못되었습니다. 일련의 요구 사항에 맞게 설계되었지만 훈련 데이터에는 이와 같은 것이 없었습니다.'라고 말했습니다.그러나 결과를 살펴보면 생성된 실제 시뮬레이션 결과가 합리적이고 요구 사항을 충족하는 것으로 나타났습니다."

문제의 항공기는 균형과 안정성을 제공하기 위해 조종면이 뒤쪽에 오프셋된 상대적으로 짧은 날개를 가지고 있었습니다.Smart는 시뮬레이션을 활용하거나 구축할 수 없는 작업을 수행하는 것이 아니기 때문에 더 자세히 살펴보기 시작했고 비슷한 것을 어딘가에서 본 적이 있다는 것을 깨달았습니다.결국 그들은 선도적인 항공기 제조업체가 제작하고 비행한 실제 비행기와 유사하다는 것을 발견했습니다.

"훈련 데이터, 시뮬레이션 및 실제 학습 알고리즘을 설정했습니다. 우리는 deepSPACE에 세 대의 기존 튜브 및 날개 항공기, 콩코드 및 하나의 혼합 날개 몸체 개념의 학습 세트를 제공했습니다. 이를 통해 자체 개념을 생성하기 시작했고시뮬레이션 및 학습과 비교하여 확인하는 경우도 있지만 물리적이지 않은 것을 생성하는 경우도 있지만 이를 통해 가장자리가 어디에 있는지 학습합니다.

"인간이 '이런 저런 것을 고려하지 마세요'라고 말하지 않고도 브레인스토밍과 같은 자체 실험을 실행할 수 있었고 우리가 예상하지 못한 것을 찾을 수 있었습니다. 내 개인적인 편견은 그것을 버리라고 했을 것입니다."라고 Smart는 말했습니다..

Smart는 deepSPACE를 통해 시뮬레이션 결과와 설계가 그의 요구 사항을 어떻게 충족하는지 보여줄 수 있었다고 말했습니다.설계된 대로 문제에 대한 실행 가능한 해결책을 찾았습니다.

"우리는 표로 정리된 과거 데이터 세트를 제공했고, 이를 통해 이해도를 높이고 탐구 및 실험을 시작했습니다. 결과를 얻기 위해 기준 모델을 구축할 수 있지만 그런 다음 이를 놀이터나 샌드박스처럼 다룰 수 있습니다.과거 데이터에 없는 새로운 시뮬레이션을 실행할 수 있으며, 이것이 내 지식 데이터베이스에 어떻게 추가되는지 확인하세요.

"수년간 저는 우리가 놀라운 분석 능력을 갖고 있다고 느꼈지만 병목 현상이 우리 자신이 되었습니다. 시뮬레이션이 있지만 인간은 수천 번의 시뮬레이션을 계속해서 실행할 수 없으며 나쁜 것을 거부하고 좋은 것을 찾을 수 없습니다.deepSPACE는 마치 주머니 속의 엔지니어처럼 설계된 1세대 시스템입니다. 문제를 설정하고 나중에 돌아와서 다양한 옵션을 찾을 수 있습니다., 이미 보유한 기능에서 훨씬 더 많은 통찰력을 얻어 더 멀리 나아갈 수 있습니다."

전문 학계 및 업계 전문가를 염두에 두고 만들었지만 Smart에는 다음과 같은 다른 아이디어가 있습니다. "내 목표는 중학생들이 deepSPACE를 사용하도록 하는 것입니다. 그들은 물리학을 모르거나 CAD 도면을 작성할 수 있는 모든 기술을 갖고 있지 않을 수도 있지만,자동차, 기차, 우주선 등에 대한 아이디어가 있으면 deepSPACE에 이를 알리고 실행할 수 있습니다. 그런 다음 스스로 변경하고 다음에 무슨 일이 일어나는지 확인할 수 있습니다."

추가 정보:Emilio M. Botero 외, DeepSPACE: 구성 설계 공간 탐색을 위한 생성적 AI,AIAA 항공 포럼 및 ASCEND 2024(2024).DOI: 10.2514/6.2024-4665