Alors que les besoins des clients et de la société continuent d’évoluer rapidement, la soi-disant Laboratoire de Yokohama est à la pointe de la recherche et du développement de l’IA chez Nissan, là où l’IA et les voitures se rencontrent.
Quel est le laboratoire de Yokohama?
Yokohama Lab est un centre de recherche de la province de Kanagawa, au Japon, qui étudie comment utiliser l’IA moderne basée sur les mégadonnées, en mettant l’accent sur l’analyse et l’expression d’informations dans le cyberespace pour la fabrication automobile. Cependant, nos produits, les véhicules, existent dans le monde réel. La mission du laboratoire de Yokohama est de faire en sorte que les résultats obtenus puissent être appliqués et utilisés dans la réalité, au lieu de se limiter au cyberespace.
Comment l’IA va-t-elle changer la fabrication automobile ?
Il est clair que l’IA peut être appliquée dans divers domaines, tels que la R&D, la production de véhicules et même la conception. Au laboratoire de Yokohama, nous explorons constamment diverses idées pour voir si l’IA peut aider à résoudre les défis auxquels sont confrontés les ingénieurs et les concepteurs.
Un exemple en est un modèle de prédiction aérodynamique qui a considérablement réduit le temps de calcul.
Qu’est-ce que l’aérodynamique ?
En termes simples, l’aérodynamique est la façon dont un objet se déplace dans l’air. Les performances aérodynamiques incluent la traînée, la force que l’air exerce sur le devant d’un objet; Vous êtes-vous déjà accroupi sur votre vélo pour faire face à de forts vents contraires ? Vous réduisiez la traînée, et c’est crucial pour les voitures, car cela affecte considérablement le kilométrage et le confort de conduite.
Aujourd’hui, les performances aérodynamiques sont évaluées en effectuant des calculs répétitifs et complexes sur des ordinateurs puissants. Ces calculs prédisent les indicateurs de performance et montrent le débit d’air. Ils constituent l’une des techniques de simulation dans la construction automobile.
Pour obtenir des résultats plus précis grâce à la simulation, il est nécessaire d’effectuer un grand nombre de calculs complexes ; ces calculs peuvent nécessiter l’exécution de centaines d’ordinateurs sur plusieurs jours.
Comme l’explique Kei Akasaka, un expert en ingénierie aérodynamique assistée par ordinateur, « Il est maintenant très difficile de répondre rapidement aux demandes soudaines des concepteurs. Ils peuvent apporter de légères modifications à la conception et veulent savoir dès que possible comment cela affecte l’aérodynamique. «
L’IA peut-elle résoudre le problème ?
Akasaka a approché le laboratoire de Yokohama avec une question : « Pouvons-nous résoudre ce problème en utilisant l’IA ? »
Un projet collaboratif a été lancé pour développer un modèle de prédiction utilisant l’apprentissage en profondeur de l’IA qui pourrait estimer rapidement le coefficient de traînée autour d’une voiture, mais ils ont rapidement rencontré un problème. La formation d’un modèle d’IA de cette manière nécessite une quantité massive de données, nécessitant souvent des dizaines de millions d’ordinateurs. Malheureusement, la plupart des anciennes données de simulation avaient été effacées et la petite quantité qui restait n’était pas adaptée à l’apprentissage automatique.
Chen Fangge, scientifique des données, explique comment ils ont abordé le problème : « Nous avons tout recalculé à partir de zéro. En même temps, nous avons défini des règles de sauvegarde des données spécifiquement pour l’apprentissage automatique pendant les simulations et déterminé les exigences de stockage des données. Cela nous a pris plus de temps que un an pour rassembler suffisamment de données pour que le modèle d’IA puisse les utiliser. »
Malheureusement, la quantité de données recueillies était insuffisante pour atteindre la précision souhaitée. Ils avaient besoin d’une approche différente.
Chen déclare que « à mesure que les données augmentent, la précision s’améliore, ce qui augmente également la dépendance. Pour résoudre ce problème, nous avons expérimenté et travaillé avec Akasaka, entraînant le modèle avec des informations appariées telles que des équations de dynamique des fluides ainsi que d’autres lois de la physique, ainsi que la forme de la voiture.
Réduire le temps de prédiction à quelques secondes
Dans cette recherche, l’IA a pu raccourcir considérablement la durée des simulations en apprenant la relation entre la forme du véhicule et ses performances aérodynamiques à partir d’une grande quantité de données.
Prédire les performances aérodynamiques d’une nouvelle conception de voiture pouvait désormais se faire en quelques secondes au lieu de plusieurs jours.
Grâce à cette technologie, les concepteurs et les ingénieurs peuvent explorer de nouvelles conceptions dans des cycles plus courts. Cela devrait conduire à la création de formes de carrosserie de véhicule innovantes qui offrent un meilleur équilibre entre le design et l’aérodynamisme.