Projektbeschreibung
Vorhersagemodelle des maschinellen Lernens für die Bewertung von Crashs und Aerodynamik
Hochleistungsrechnen und rechnergestützte Entwicklung spielen eine entscheidende Rolle im Fahrzeugentwicklungsprozess. Von der Gesamtnutzung des Hochleistungsrechnens in der Automobilindustrie entfallen etwa 20 % auf aerodynamische/thermische Simulationen und bis zu 50 % der Ressourcen auf Crash-Simulationen. Das EU-finanzierte Projekt UPSCALE integriert KI-Methoden direkt in herkömmliche physikbasierte Software und Verfahren der rechnergestützten Entwicklung, die weltweit bei der Straßenverkehrsplanung eingesetzt werden. Das Projekt konzentriert sich auf die Anwendung von KI-Methoden, um die Bearbeitungszeit zu verkürzen und die Leistung elektrifizierter Fahrzeuge zu erhöhen, wodurch auch die globalen Emissionswerte gesenkt werden. UPSCALE hat als Anwendungsfälle für das Projekt die beiden Anwendungen der rechnergestützten Entwicklung ausgewählt, welche die intensivste Rechnungsleistung erfordern: die Modellierung der Luft- und Wärmewirkung von Fahrzeugen und die Crash-Modellierung.
Ziel
UPSCALE is the first EU-project that has the specific goal to integrate artificial intelligence (AI) methods directly into traditional physics-based Computer Aided Engineering (CAE)-software and –methods. These CAE-tools are currently being used to develop road transportation not only in Europe but worldwide. The current focus of the project is to apply AI-methods to reduce the development time and increase the performance of electric vehicles (EVs) which are required by the automotive industry to reduce global emission levels. High performance computing (HPC) and CAE-software and –methods play a decisive role in vehicle development process. In order to make a significant impact on the development process, the two most HPC intensive CAE-applications have been chosen as use cases for the project: vehicle aero/thermal- and crash-modelling. When considering total automotive HPC usage, approximately 20% is used for aero/thermal simulations and up to 50% of HPC resources are utilized for crash simulations. By improving the effectiveness of these two areas, great increases in efficiency will lead to a 20% of reduction of product time to market. Other novel modelling approaches such as reduced order modelling will be coupled to the AI improved CAE-software and -methods to further reduce simulation time and ease the application of optimization tools needed to improve product quality. Through the combined effort of universities, research laboratories, European automotive OEMs, software companies and an AI-SME specialized in machine learning (ML), the UPSCALE project will provide a unique and effective environment to produce novel AI-based CAE-software solutions to improve European automotive competiveness.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencessoftware
- social sciencessocial geographytransportelectric vehicles
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineering
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringcomputer hardwaresupercomputers
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-LC-GV-2018
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
43710 Santa Oliva
Spanien