Искусственный интеллект в механическом инжиниринге: новые возможности
Оптимизация с помощью искусственного интеллекта даёт множество преимуществ инженерам-механикам, включая более быстрое и точное проектирование и моделирование, повышение эффективности, снижение затрат на разработку за счёт автоматизации процессов, а также улучшение профилактического обслуживания и контроля качества.
«Когда люди думают о механическом инжиниринге, они представляют себе базовые механические инструменты, такие как молотки, и оборудование вроде автомобилей, роботов, кранов. Но механический инжиниринг — это очень широкая область», — говорит Фаез Ахмед, профессор механического инжиниринга в MIT. — «В механическом инжиниринге большую роль играют машинное обучение, ИИ и оптимизация».
Курс в MIT: ИИ и машинное обучение для инженерного дизайна
На курсе Ахмеда 2.155/156 (ИИ и машинное обучение для инженерного дизайна) студенты используют инструменты и методы ИИ и машинного обучения для проектирования в области механического инжиниринга. Основное внимание уделяется созданию новых продуктов и решению инженерных задач.
«Есть много причин, по которым инженерам-механикам стоит задуматься об использовании машинного обучения и ИИ, чтобы ускорить процесс проектирования», — говорит Лайл Регенветтер, ассистент преподавателя курса и кандидат наук в лаборатории DeCoDE (Design Computation and Digital Engineering Lab).
Курс, впервые предложенный в 2021 году, быстро стал одним из самых популярных в департаменте механического инжиниринга MIT. Он привлекает студентов из разных областей, включая механический и гражданский инжиниринг, аэронавтику и астронавтику, школу менеджмента MIT Sloan, ядерные и компьютерные науки. Также на курс записываются студенты из Гарварда и других учебных заведений.
Практические задания и проекты
Курс открыт для студентов бакалавриата и магистратуры. Он фокусируется на применении продвинутых стратегий машинного обучения и оптимизации для решения реальных задач механического проектирования — от проектирования рам велосипедов до городских сетей.
Студенты участвуют в конкурсах, связанных с ИИ для физических систем, и решают задачи оптимизации в соревновательной среде. Им дают начальные задачи и код, который предоставляет решение, но не лучшее. Задача студентов — улучшить это решение.
В рамках курса студенты обсуждают научные статьи и выполняют практические упражнения по машинному обучению, адаптированные к конкретным инженерным задачам, включая робототехнику, авиацию, конструкции и метаматериалы.
Финальные проекты
Для финального проекта студенты работают в командах над сложным заданием по своему выбору, применяя методы ИИ для проектирования.
«Замечательно видеть разнообразие и высокое качество проектов, выполненных на курсе», — говорит Ахмед. — «Проекты студентов часто приводят к публикациям в научных журналах и даже к наградам».
Например, недавняя работа под названием «GenCAD-Self-Repairing» получила награду American Society of Mechanical Engineers Systems Engineering, Information and Knowledge Management 2025 Best Paper Award.
Студенты отмечают, что финальный проект даёт возможность применить полученные знания в интересующей их области. Например, Мэлия Смит работала над прогнозированием силы воздействия на грунт для бегунов, а Элаубер разработал модульную конструкцию «кошачьего дерева». Илан Мойер создал программное обеспечение для проектирования нового типа архитектуры 3D-принтера.
«Когда вы видите машинное обучение в популярной культуре, оно кажется очень абстрактным, и создаётся ощущение, что происходит что-то очень сложное», — говорит Мойер. — «Этот курс приоткрыл занавес».