訓練機器學習模型的大型資料集助力空中載具設計
簡介
設計可靠的飛機可能是一個具有挑戰性且耗時的任務，因為它通常需要多個步驟和分析。深度學習模型有望加速飛機設計和部署的過程，幫助開發人員找出最有前途的解決方案或評估特定飛機的潛在缺陷。然而要訓練這些模型，研究人員需要包含各種氣動載具設計的全面資料集。然而由於許多設計受到專有合約的保護或難以獲取，這些資料集往往難以編制。
最近，SRI International、西南研究所和範德堡大學的研究人員成功建立了 AircraftVerse，這是一個包含數千個不同複雜程度的飛機設計的大型資料集。該資料集被發表在 arXiv 預印版論文上，它可以用於訓練機器學習模型以幫助氣動載具設計。
資料集的特點
Cobb、Roy 和他們的團隊在他們的論文中寫道：“飛機設計涵蓋不同的物理領域，因此需要多種表示形式。對這些技術體系設計的評估需要使用從結構和製造分析的計算機輔助設計工具，到拖力和升力計算的計算流體動力學工具以及用於能量估計的電池模型和用於飛行控制和動力學的模擬模型等多種科學分析和模擬模型。”
與 SketchGraphs、DeepCAD 和 ABC 等現有的用於機器學習計算機輔助設計（CAD）的資料集不同，Cobb、Roy 和他們的團隊建立的資料集包含完整的飛機設計，這些設計結合了多個部件，如螺旋槳、機翼、馬達、電池等。
他們在論文中解釋道：“AircraftVerse 包含了 27,714 個不同的氣動載具設計，這是具有這種複雜性水平的工程設計最大的典型。每個設計都包括以下內容：描述拓撲、推進子系統、電池子系統和其他設計細節的符號設計樹；標準產品交換（STEP）模型資料；使用立體光刻（STL）檔案格式的三維 CAD 設計；以及來自表徵效能指標（如最大飛行距離和懸停時間）的高度真實物理模型的評估結果。”
AircraftVerse 資料集中的設計是使用基於深度學習的方法建立的，基於專家飛機設計師提供的一般規則。研究人員透過工程模型執行這些設計的最終版本，產生總結每個設計獨特特性和效能的後設資料。
Cobb、Roy 和他們的團隊寫道：“我們還提供了使用不同設計表示形式預測設計效能指標的基礎代理模型，這些代理模型作為我們資料集發布的一部分提供。”他們最後一部分討論了該資料集對學習在飛機設計中以及更廣泛的嵌入式系統中的潛在影響。
這支研究團隊建立的新資料集現在已經線上上公開提供，包括其基準模型和底層程式碼。這意味著，設計師和開發人員在全球範圍內很快就可以使用它，協助他們設計和評估新的氣動載具。
結論
這項研究提供了一個重要的貢獻，為空中載具設計領域提供了一個可靠的、齊全的資料集。過去，訓練機器學習模型以幫助飛機設計主要依賴於包含個別機械部件相關資料的資料集。這個新的 AircraftVerse 資料集不僅包含了整個飛機設計的相關資料，還提供了多種模型和程式碼，使設計師能夠更全面和準確地評估他們的設計。
然而儘管這是一個重要的進展，但仍然有一些挑戰需要克服。例如，這些模型的總體效能如何？是否存在某些設計的偏差或不準確之處？此外設計師和開發人員需要具備適當的技術知識和技能，才能充分應用這些模型和資料集。
然而隨著科技的不斷進步和資料的不斷發展，這項研究開啟了更多的可能性，有望改變未來氣動載具設計的方式。設計師和開發人員可以利用這些先進的模型和資料集，節省時間和成本，同時提高設計的可靠性和效能。
Editorial 專家評論
這項研究開展了一個令人興奮的領域，探索如何利用機器學習和大資料在設計領域中發揮作用。這種技術潛力巨大，有望在更多的領域中得到應用，例如汽車設計、建築設計和製造工業等。然而我們需要謹慎使用這些技術，確保其正確性和可靠性。
在使用這些模型時，我們應該始終記住人類的作用。機器學習模型可以提供有價值的指導和建議，但最終決策應該由設計師和開發人員來做出。這些模型和資料集應該被視為工具，而不是替代人類創造力和智慧的解決方法。
另外我們也需要關注資料的隱私和智慧財產權問題。設計和訓練這些模型所需的資料集可能包含許多保護的資料，例如專有機密或商業祕密。我們需要制定適當的法律和政策來保護這些資料，同時促進資料的共享和合作。
總之這項研究為空中載具設計領域帶來了一個重要的突破，為我們提供了一個有價值的工具和資源，用於加速設計過程和提高設計的可靠性和效能。然而我們需要謹慎使用這些技術，並關注相關的倫理和法律問題，以確保其應用的正確性和可持續性。
（本報告由科技時事評論專欄作家編寫）
