麻省理工学院的工程师创造了8,000多种电动汽车（EV）设计，这些设计可以与人工智能（AI）相结合，在未来快速制造汽车。

工程师们说，这个被称为“DrivAerNet++”的开源数据库包括基于目前最常见的汽车类型的设计，显示为3D模型，其中包含设计的空气动力学程度等信息。电动汽车已经存在了100多年，但最近越来越受欢迎。设计这些汽车需要公司几年的时间、资源、迭代和修订，直到他们达到最终设计，他们可以从中构建物理原型。

由于其专有性质，这些测试的规格和结果（以及原型的空气动力学）是保密的。科学家们说，这意味着电动汽车续航里程或燃油效率的重大进步可能会很慢。

然而，新数据库旨在以指数级速度加快寻找更好的汽车设计。

这个汽车设计数字图书馆包括规格和空气动力学的详细数据。研究人员说，如果未来与人工智能模型相结合，这个数字图书馆可以用来生成新的电动汽车设计。

工程师们表示，通过简化冗长的流程，制造商可以比以往任何时候都更快地开发电动汽车设计。相关内容：新的车载人工智能算法可以通过不断扫描醉酒司机的面部来发现醉酒司机的迹象

该团队提交了一篇论文，该论文于6月13日上传到预印本arxiv数据库，概述了数据集以及如何将其与人工智能技术相结合。他们在12月温哥华举行的NeurIPS会议上描述了这项工作。依靠人工智能在几秒钟内创建汽车设计研究人员创建的数据集产生了39 TB的数据，同时使用麻省理工学院超级云消耗了300万个中央处理器小时，这是一个用于科学研究的超级强大的计算机集群，可以远程访问。

该团队应用了一种算法，系统地调整了26个参数，包括车辆长度、车底特征、胎面和车轮形状，以及每个基线车型的挡风玻璃坡度。他们还运行了一种算法来确定新生成的设计是已经存在的东西的副本还是真正的新设计。

然后，每个3D设计都被转换成不同的可读格式——包括网格、点云或简单的尺寸和规格列表。最后，他们运行复杂的流体动力学模拟来计算空气如何在每个生成的设计周围流动。

麻省理工学院机械工程助理教授Faez Ahmed在一份声明中补充道：“前进过程非常昂贵，制造商只能从一个版本到下一个版本对汽车进行一点点调整。”“但是如果你有更大的数据集，你知道每个设计的性能，现在你可以训练机器学习模型快速迭代，这样你就更有可能得到更好的设计。”麻省理工学院机械工程专业的学生Mohamed Elrefaie在声明中表示，该数据集可以帮助降低研发成本并加快进步。他补充说，如果这意味着更高效的车辆更快地到达消费者手中，加快设计过程也将有助于气候。，这种设计速度的关键是与AI工具的集成。该数据集可以让您训练生成AI模型“在几秒钟内而不是几小时内完成工作，”Ahmed补充道。

过去的人工智能模型可以生成看似优化的设计，但它们依赖于有限的训练数据。

新的数据集提供了更强大的训练数据，人工智能模型现在可以用来创建新的设计或测试现有设计的空气动力学。这可以用来计算电动汽车的效率和里程，而不需要物理原型。