Opis projektu
Modele predykcyjne oparte na uczeniu maszynowym do oceny zderzeń i aerodynamiki
Obliczenia wielkiej skali (ang. high-performance computing, HPC) i komputerowe wspomaganie prac inżynierskich (ang. computer aided engineering, CAE) odgrywają zasadniczą rolę w procesie rozwoju pojazdów. Z całkowitego użycia HPC w przemyśle motoryzacyjnym około 20 % przeznacza się na symulacje aerodynamiczne/termiczne, a do 50 % zasobów HPC – na symulacje zderzeń. Finansowany ze środków UE projekt UPSCALE łączy metody oparte na sztucznej inteligencji bezpośrednio z tradycyjnym, opartym na fizyce oprogramowaniem CAE i metodami stosowanymi w rozwoju transportu drogowego na całym świecie. Projekt skupia się na zastosowaniu metod opartych na sztucznej inteligencji w celu skrócenia czasu rozwoju i zwiększenia wydajności pojazdów zelektryfikowanych, a tym samym zmniejszenia globalnego poziomu emisji. Jako przypadki użycia na potrzeby projektu UPSCALE jego zespół wybrał dwa zastosowania CAE najintensywniej wykorzystujące HPC: modelowanie aerodynamiczne/termiczne pojazdu oraz modelowanie zderzeń.
Cel
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.
Dziedzina nauki
- 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
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-LC-GV-2018
System finansowania
RIA - Research and Innovation actionKoordynator
43710 Santa Oliva
Hiszpania