एक नया AI सहायक बेहतर संरचनाओं के डिजाइन में इंजीनियरों का समर्थन करता है।
एमआईटी ने टोपोलॉजी अनुकूलन के लिए एक AI Copilot का निर्माण किया जो डिजाइनरों को प्रारंभिक प्रतिक्रिया देने देता है, 39 प्रतिशत तक विनिर्माण और झुकने वाले भार में सुधार करता है
मुख्य बिंदु
- एमआईटी शोधकर्ताओं ने टोपोलॉजी अनुकूलन के लिए एक AI Copilot विकसित किया जो इंजीनियरों को चयनित क्षेत्रों की समीक्षा और समायोजित करने देता है जबकि algorithm अभी भी संरचना उत्पन्न कर रहा है।
- यह प्रणाली इंजीनियरों को प्रारंभिक नियंत्रण, प्रतिक्रिया और विश्वास देकर ब्लैक-बॉक्स एल्गोरिदमिक डिजाइन के अविश्वास का समाधान करती है कि परिणामी संरचनाएं विनिर्माण योग्य और संरचनात्मक रूप से ध्वनि हैं।
- सिंथेटिक मानव-प्रतिक्रिया डेटा पर प्रशिक्षित एक machine learning मॉडल जल्दी से संभावित डिजाइन क्षेत्रों की पहचान करता है जो इंजीनियरों को बदलना चाहते हैं, इससे पहले के मनुष्यों में लूप दृष्टिकोण के प्रमुख मंदी से बचा जाता है।
- प्रदर्शनों में, सहयोगी पद्धति ने पूरी तरह से एल्गोरिदमिक विधियों की तुलना में कुल डिजाइन समय में केवल 15 सेकंड जोड़ते हुए 39 प्रतिशत तक विनिर्माण क्षमता और रैखिक झुकाव भार में सुधार किया।
- शोधकर्ता टूल को पूरी तरह से स्वचालित डिजाइन के पूरक के रूप में देखते हैं, जिसका उद्देश्य इंजीनियरों, शोधकर्ताओं और छात्रों के लिए टोपोलॉजी ऑप्टिमाइज़ेशन को अधिक व्यावहारिक, भरोसेमंद और सुलभ बनाना है।
एमआईटी शोधकर्ताओं ने टोपोलॉजी अनुकूलन के लिए AI Copilot विकसित किया है, एक डिजाइन विधि जो संरचनाओं को उत्पन्न करने के लिए algorithms का उपयोग करती है। यह प्रणाली मानव डिजाइनरों से चयनित क्षेत्रों की समीक्षा करने को कहती है जबकि algorithm अभी भी डिज़ाइन बना रहा है। ओपन-एक्सेस Communications Engineering पेपर में, टीम ने आसान बनाने वाली संरचनाओं और उच्च झुकने वाले भार की सूचना दी, जिसमें सभी एल्गोरिथम विधियों के मुकाबले कुल डिजाइन समय में केवल 15 सेकंड जोड़ते हैं।
क्यों अभियंता अभी भी एल्गोरिथम डिजाइनों पर भरोसा नहीं करते हैं
एल्गोरिथम डिजाइन ने पहले से ही अल्ट्रालाइट विमानों, उच्च- bandwidth एंटेना और F1 रेसिंग कारों के लिए अनुकूलित भागों को बनाने में मदद की है। लेकिन सबसे अच्छी अल्गोरिदम डिज़ाइन तकनीकों को अभी भी बहुत अधिक गणना और समय की आवश्यकता होती है। अंतिम आकार आमतौर पर केवल गणना समाप्त होने के बाद दिखाई देता है, इसलिए डिजाइनरों को अक्सर परिवर्तन का अनुरोध करने के लिए प्रक्रिया को फिर से शुरू करना पड़ता है। इससे यह विश्वास करना कठिन हो जाता है कि परिणाम संरचनात्मक रूप से ध्वनि है या नहीं।
टोपोलॉजी ऑप्टिमाइज़ेशन इस क्षेत्र में सबसे उन्नत तकनीकों में से एक है। यह औपचारिक अनुकूलन का उपयोग आवर्ती रूप से दिए गए डिज़ाइन स्पेस को भरने के लिए करता है ताकि संरचना अधिकतम निर्धारित लक्ष्यों को पूरा करे। अधिकांश अनुप्रयोगों के लिए, प्रक्रिया उन डिजाइनों का उत्पादन कर सकती है जो निर्माण करने के लिए अव्यावहारिक हैं या जिनमें अन्य मुद्दे शामिल हैं जिन पर इंजीनियर ने विचार नहीं किया था। कुछ उत्पन्न संरचनाओं में एकल बिंदु पर आठ या अधिक बीम कनेक्शन हो सकते हैं, एक विवरण जिसे वास्तविक दुनिया में बनाना मुश्किल होगा।
प्रमुख लेखक Dat Ha, हाल ही में एमआईटी सिविल और पर्यावरण इंजीनियरिंग के डॉक्टरेट छात्र, जो 2026 डिग्री पदनाम के साथ सूचीबद्ध हैं, अब लेमेसियर में एक संरचनात्मक डिजाइनर है। उन्होंने कहा कि इंजीनियर हमेशा कंप्यूटर प्रोग्रामों पर बहुत संदेह करते हैं, खासकर जब कार्यक्रम अजीब दिखने वाले या अप्रत्याशित डिज़ाइन का उत्पादन करते हैं। उन्होंने टोपोलॉजी ऑप्टिमाइज़ेशन को कागज पर शक्तिशाली बताया, लेकिन कहा कि इसकी ब्लैक बॉक्स प्रकृति ने इसे उद्योग में कम व्यापक रूप से अपनाया है।
इस तकनीक ने ऑटोमोटिव और एयरोस्पेस डिजाइन में कर्षण प्राप्त किया है। इसका उपयोग इमारतों या पुलों के लिए कम किया गया है, आंशिक रूप से क्योंकि डिज़ाइन इंजीनियरों को यह जानने की आवश्यकता होती है कि वे आउटपुट पर भरोसा कर सकते हैं। वरिष्ठ लेखक Josephine Carstensen, सिविल और पर्यावरण इंजीनियरिंग के एमआईटी सहयोगी प्रोफेसर ने कहा कि एक बड़ा सीमित कारक यह है कि डिज़ाइन इंजीनियर्स का डिजाइन कैसे विकसित होता है, इस पर बहुत कम प्रभाव पड़ता है, इसलिए वे अवांछित सुविधाओं को नियंत्रित नहीं कर सकते। नियंत्रण और स्वामित्व की कमी भी इसके उपयोग को रोकती है।
Copilot कैसे बदलते क्षेत्रों को ढूंढता है
उन समस्याओं को हल करने के लिए, शोधकर्ताओं ने एक दृष्टिकोण में टोपोलॉजी ऑप्टिमाइज़ेशन को अधिक सहयोगी बना दिया कार्स्टेंसन की तुलना डिजाइन Copilot से करते हैं। तैयार संरचना की प्रतीक्षा करने के बजाय, algorithm फीडबैक के लिए मानव डिजाइनर को क्षेत्रों का प्रतिनिधित्व करता है क्योंकि यह डिज़ाइन उत्पन्न करता है।
मानव निर्णय को जोड़ने के पिछले प्रयासों ने प्रक्रिया को नाटकीय रूप से धीमा कर दिया। शोधकर्ताओं की नई प्रणाली machine learning का उपयोग करती है ताकि एल्गोरिथम डिजाइन के सबसे संभावित क्षेत्रों की पहचान जल्दी हो सके जो एक इंसान बदलना चाहेगा। machine learning मॉडल को प्रशिक्षित करने के लिए, शोधकर्ताओं ने सौंदर्यशास्त्र, प्रदर्शन मानदंड और विनिर्माण क्षमता की आलोचनाओं के साथ हजारों डिजाइनों पर संभावित मानवीय प्रतिक्रिया का सिंथेटिक dataset बनाया।
हा ने कहा कि टीम का मानना था कि अगर वे एक रिकॉर्ड बना सकते हैं जहां मनुष्यों ने इन डिजाइन कार्यक्रमों में बदलाव किया है, तो उन विकल्पों के लिए एक पैटर्न हो सकता है, जो अन्य machine learning दृष्टिकोण से बहुत अलग नहीं है। कारस्टेंसेन सिस्टम को एल्गोरिथम और मानव डिज़ाइन शक्तियों को एक साथ लाने के रूप में देखता है। पेपर के सह-लेखकों में Ferdous Alam, एमआईटी पोस्टडॉक्टोरल शोधकर्ता भी शामिल हैं, जो अब Georgia Tech पर सहायक प्रोफेसर हैं; Markus Buehler, इंजीनियरिंग के प्रोफेसर MIT Jerry McAfee (1940); और मैकेनिकल इंजीनियरिंग के एसोसिएट प्रोफ़ेसर Faez Ahmed, MIT।
परिणाम विनिर्माण और विश्वास लाभ की ओर इशारा करते हैं
प्रदर्शनों में, शोधकर्ताओं ने दिखाया कि उनके मानव-इन-द-लूप दृष्टिकोण से विनिर्माण क्षमता और रैखिक झुकने वाले भार में 39 प्रतिशत की वृद्धि हुई है जबकि कुल डिजाइन समय केवल मामूली रूप से बढ़ गया है। बकल लोड संरचनात्मक स्थिरता का एक उपाय है, इसलिए उच्च मूल्य एक ऐसे डिज़ाइन को इंगित करता है जो स्थिरता खोने से पहले अधिक भार ले सकता है।
टीम ने सभी एल्गोरिथम विधियों के साथ सहयोगी दृष्टिकोण की तुलना भी की। उन्होंने पाया कि मानव प्रतिक्रिया को जोड़ने से कुल डिजाइन समय में केवल मामूली वृद्धि हुई, उनकी रिपोर्ट की गई तुलना में 15 सेकंड तक। परिणाम बताते हैं कि Copilot डिज़ाइन लूप को बहुत धीमा किए बिना व्यावहारिक नियंत्रण प्रदान कर सकता है।
वर्तमान में, सिस्टम केवल उपयोगकर्ताओं को पहचाने गए क्षेत्रों के भीतर संरचनाओं को मोटा या पतला बनाने की अनुमति देता है। शोधकर्ताओं ने भविष्य के संस्करणों में संशोधन के लिए अन्य विकल्प जोड़ने की उम्मीद की है। कारस्टेंसन ने कहा कि दृष्टिकोण एल्गोरिदमिक डिजाइन को अधिक सुलभ और डिज़ाइन इंजीनियरों के एक व्यापक वर्ग के लिए विनिर्माण योग्य बना सकता है। उन्होंने आशा व्यक्त की कि इन बाधाओं से निपटना न केवल उद्योग में बल्कि अनुसंधानकर्ताओं और शिक्षाविदों में छात्रों के लिए भी बहुत व्यापक दर्शकों के लिए टोपोलॉजी अनुकूलन खोलता है।
इंजीनियरिंग कार्यप्रवाह के लिए इसका क्या अर्थ है
शोधकर्ताओं ने अपने दृष्टिकोण को एआई-केवल विधियों के पूरक के रूप में देखा। कारस्टेंसन ने तर्क दिया कि दोनों के लिए जगह है। यदि किसी अनुशासन में बहुत सारे कम्प्यूटेशनल संसाधन हैं, तो यह ऑल-अल्गोरिथमिक दृष्टिकोण का उपयोग कर सकता है; अगर एक टीम को वास्तव में मानव इनपुट की आवश्यकता होती है, तो वह सहयोगी दृष्टिकोण का इस्तेमाल कर सकती है।
इंजीनियरों के लिए, व्यावहारिक मूल्य नियंत्रण और विश्वास है। जब डिजाइनर जोखिम भरे क्षेत्रों को जल्दी से देख सकते हैं और समायोजित कर सकते हैं, तो वे लंबे समय तक गणना के बाद एक तैयार मॉडल को अस्वीकार करने के बजाय डिज़ाइन विकसित होने पर डोमेन ज्ञान लागू कर सकते हैंः कार्स्टेंसन ने जोर देकर कहा कि कुछ सेटिंग्स में मनुष्यों को अंतिम डिजाइन को आगे बढ़ाने से पहले अंतिम निर्णय लेने की आवश्यकता होती है। उन्होंने कहा कि मनुष्य शामिल करके, टीमें वास्तविक दुनिया में उच्च-प्रदर्शन वाले डिजाइन प्राप्त कर सकती हैं और उच्च प्रदर्शन वाली संरचनाएं बना सकती हैं। बात अच्छी कलाकृतियों को डिजाइन करने की नहीं है, बल्कि अच्छे कलाकृतियां बनाने की है जो मानव वास्तव में स्वीकार करेंगे और बनाएंगे।
इस कार्य को आंशिक रूप से MathWorks Engineering Fellowship Fund, TATA Steel और MIT Generative AI Impact कंसोर्टियम द्वारा समर्थित किया गया था।
मेटा विवरणः टोपोलॉजी अनुकूलन के लिए एमआईटी का AI Copilot इंजीनियरों को 15 सेकंड जोड़कर और 39 प्रतिशत तक विनिर्माण क्षमता और झुकने वाले भार में सुधार करके क्षेत्रों का मार्गदर्शन करने देता है।
टैगः टोपोलॉजी अनुकूलन, AI Copilot , इंजीनियरिंग डिजाइन, एमआईटी अनुसंधान, विनिर्माण
विशेष रुप से प्रदर्शित छवि: एक चमकदार Copilot इंटरफेस द्वारा निर्देशित संरचना का अमूर्त मैत्रीपूर्ण चित्रण, बिना वास्तविक लोगों, लोगो या पाठ के।
Comments (0)