ในการทดสอบคุณสมบัติทาง Aerodynamic สำหรับรูปร่างของงยานยนต์ เครื่องบิน หรือวัตถุอื่น ๆ ที่ถูกออกแบบมาใหม่ มักจะใช้โมเดลของการไหลผ่านของกระแสอากาศรอบวัตถุด้วยการคำนวณสมการที่ยุ่งยากซับซ้อนของคอมพิวเตอร์ ซึ่งใช้เวลาหลายชั่วโมงหรือเป็นวันในการทำงาน ซึ่งเทคโนโลยีใหม่นี้ใช้เวลาหลักวินาทีเท่านั้น
การใช้ Machine Learning สามารถลดกระบวนการทำงานที่ใช้เวลามากลงได้อย่างไม่น่าเชื่อ ซึ่งโครงการนี้เป็นความร่วมมือจากสองหน่วยงาน IST Austria และ Autodesk Research ความท้าทายของการใช้ Machine Learning กับการแก้ปัญหาพื้นที่การไหลเวียนรอบวัตถุ คือ การมีข้อจำกัดในด้านวิธีการ ซึ่ง Machine Learning นั้นข้อมูล Input และ Output ต้องมีลักษณะโครงสร้างที่ตรงกัน ข้อมูลที่แน่นอนทำงานได้ดีกับรูปแบบภาพวัตถุ 2 มิติ ในขณะที่วัตถุ 3 มิตินั้นในแต่ละหน่วยของรูปทรงหากเกิดการเปลี่ยนแปลงรูปทรงจะส่งผลต่อการเปลี่ยนแปลงมาก เช่น มุมต่าง ๆ องศาของชิ้นส่วน ซึ่งสองวัตถุที่เหมือน ๆ กันในสายตามนุษย์อาจแตกต่างกันในสายตาของคอมพิวเตอร์ด้วยมาตรฐานและการให้ค่าที่แตกต่างกัน
การแก้ไขดังกล่าวเกิดขึ้นด้วยไอเดียการใช้งาน Polycube ซึ่งเป็นรูปทรงที่ Machine Learning สามารถจัดการได้ โดยเป็นการประยุกต์พื้นผิววัสดุเข้าไปในคอมพิวเตอร์แอนิเมชันด้วยวัตถุขนาดใหญ่และค่อยแตกย่อยออกตามโครงสร้างทำให้วยัตถุที่โครงสร้างคล้ายกันจะมีข้อมูลใกล้กันและการเรียนรู้ของระบบสามารถควบคุมและเปรียบเทียบได้
ที่มา:
- Sciencedaily.com
Voltaire
