GN⁺: MIT, 공기역학을 포함한 최대 규모 오픈소스 자동차 설계 데이터 세트 공개

• MIT 엔지니어들은 친환경 자동차 및 전기 자동차의 설계 속도를 높일 수 있는, 공기역학을 포함한 자동차 설계에 대한 최대 규모의 오픈 소스 데이터 세트를 개발
  • 자동차 설계는 수년간의 시뮬레이션과 물리적 테스트를 거쳐 진행되는 반복적이고 독점적인 과정임
  • 자동차 설계에 있어 공기역학적 성능 등의 세부 정보는 일반적으로 공개되지 않음
  • 설계 효율을 극대화하기 위해 생성적 AI 도구를 활용할 수 있으나, 기존에는 이러한 AI가 학습할 데이터가 부재했음
• DrivAerNet++ 데이터 셋의 중요성
  • 현재까지 개발된 자동차 공기역학 분야에서 가장 큰 오픈소스 데이터셋
  • 8,000개 이상의 자동차 설계를 포함하며, 각 설계는 3D 형식으로 제공됨
  • 공기역학적 데이터를 포함해 유체 역학 시뮬레이션 기반의 성능 정보를 제공함
  • 데이터셋의 설계는 메쉬, 점군(Point Cloud), 설계 매개변수 리스트 등 다양한 형식으로 제공되어 여러 AI 모델에 적합하게 사용 가능함
• AI 모델 학습에 활용되어 효율적인 설계 가능
  • AI는 데이터를 학습해 새로운 설계를 빠르게 생성할 수 있음
  • 연료 효율성 향상, 전기차 주행 거리 증가 등 혁신적인 설계 결과를 도출 가능
  • 설계 프로세스를 간소화하여 연구 개발 비용 절감과 지속 가능한 자동차 개발 촉진에 기여
• 데이터셋 개발 과정
  • 기존 Audi와 BMW의 2014년 제공한 3D 모델을 활용
    • fastback, notchback, estateback 등 주요 승용차 카테고리를 포함
  • 기존 설계에 26개의 매개변수 조정을 통해 다양한 새로운 설계를 생성
    • 설계의 길이, 차체 하부 구조, 유리창 기울기, 바퀴 폭 등이 포함
    • 생성된 설계는 최적화 알고리즘으로 중복되지 않도록 보장
  • MIT SuperCloud를 통해 3백만 CPU 시간과 39테라바이트 데이터를 활용하여 제작됨
• 기대되는 활용 사례
  • AI 모델이 데이터셋을 학습하여 최적화된 공기역학을 가진 새로운 자동차 설계를 신속하게 생성 가능
  • 특정 자동차 설계의 공기역학을 빠르게 예측하여 연비나 전기차 주행거리를 산출할 수 있음
  • 지속 가능하고 환경 친화적인 차량 개발을 가속화할 것으로 기대됨
• 연구의 의의
  • 자동차는 주요 오염원 중 하나로, 설계 혁신은 환경 보호에 중요한 역할을 함
  • 실제 테스트 없이도 물리적으로 정확한 3D 자동차 형태를 생성하는 것이 가능해짐
  • 연구팀은 이를 통해 차세대 AI 기반 설계 도구의 토대를 마련했다고 평가함
• 연구 결과는 NeurIPS 2024 학회에서 발표 예정
  • 연구는 독일 학술교환처 및 MIT 기계공학부의 지원을 받음
• 데이터 Repo : https://dataverse.harvard.edu/dataverse/DrivAerNet
• 이슈 트래킹 : https://github.com/Mohamedelrefaie/DrivAerNet

[neo]

Hacker News 의견

• 새로운 전기차들이 크기와 무게 면에서 왜 그렇게 설계가 잘못되었는지 궁금해하는 의견이 있음. 경제적인 가족용 차량을 원하는데, 선택지가 많지 않음.

• DrivAerNet 데이터 파일이 하버드 대학의 Dataverse에서 제공됨.

• DrivAerNet의 이슈 트래킹은 GitHub에서 가능함.

• 데이터 파일이 수백 기가바이트에 달하며, 기관 계정으로만 로그인 가능함. 작은 연구소에 소속된 사용자가 다른 사람의 로그인 정보를 빌릴 수 있는지 문의함.

• Creative Commons Attribution-NonCommercial 라이선스는 오픈 소스가 아님.

• 비행 날개/RC 비행기를 설계하려는 사용자가 FOSS를 통해 공기역학적 결과를 얻을 수 있는지 문의함.

• 새로운 차들이 모두 동일하게 보이는 것에 대한 불만이 있음.

• 디자인이 매우 좋다는 의견이 있음.

• 'verbing'이라는 표현이 문장을 읽기 어렵게 만든다는 의견이 있음.