Descripción del proyecto
Modelos predictivos de aprendizaje automático para la evaluación aerodinámica y de impacto
La informática de alto rendimiento (HPC, por sus siglas en inglés) y la ingeniería asistida por ordenador (IAO) desempeñan un papel fundamental en el proceso de desarrollo de vehículos. Del uso total de la HPC en automoción, aproximadamente el 20 % se destina a simulaciones aerotérmicas y hasta el 50 % de los recursos de HPC a simulaciones de impacto. El equipo del proyecto UPSCALE, financiado con fondos europeos, integra métodos de IA directamente en el «software» de IAO tradicional basado en la física y los métodos utilizados en el desarrollo del transporte por carretera en todo el mundo. El proyecto se centra en la aplicación de métodos de IA para reducir el tiempo de desarrollo y aumentar el rendimiento de los vehículos eléctricos, lo que reduce los niveles de emisiones mundiales. El equipo de UPSCALE ha elegido como casos de uso para el proyecto las dos aplicaciones de IAO más intensivas de la HPC: la modelización aerotérmica de vehículos y la modelización de impacto.
Objetivo
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.
Ámbito científico
- 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
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-LC-GV-2018
Régimen de financiación
RIA - Research and Innovation actionCoordinador
43710 Santa Oliva
España