海洋工学における生成 AI: 独自のデータセットが不十分なため、実用化が制限されている

最新のコンピューティングは、造船および海洋エンジニアリングの設計および建設プロセスを大幅に改善していますが、データセットが限られているため、さらなる統合が妨げられています。

海軍建築と海洋工学 (NAME) という学問名はまだ数百年の歴史しかありませんが、その起源は数千年前の古代文明にまで遡ることができます。当時、人類はすでに海洋を探検するために船を建造していました。世界中で、商業活動を行っています。アルキメデス、ブーゲー、チャップマンを含む多くの人々が、浮力、安定性、船の設計の概念を科学的な方法と理論に洗練させました。

造船および海洋工学は、船舶や構造物の設計、建設、試験、測量、メンテナンス、運用に関わる専門的な工学分野です。私は米国沿岸警備隊アカデミーを海洋建設と海洋工学の学士号を取得して卒業し、カリフォルニア大学バークレー校で修士号を取得しました。過去 22 年間、私は民間の海洋コンサルタント会社で造船所として働いており、旅客船、海洋研究船、はしけ、その他の船舶の設計に取り組んできました。浮きドック、複雑な 1,200 フィートのクルーズ船、さらには海の町に似た航空母艦を設計します。関連する専門家は、洋上風力発電プラットフォーム、潜水艦、コンテナ船、自律船、および水中または水上で運航するほぼすべての船舶の設計も担当します。

現代の造船設計者は、設計の際に常に鉛筆を使用します。大学のコースでは、私も含めて専門的な知識を学ぶための線や小さなモデルの描画に取り組んでいます。しかし、実際の設計プロセスには、機械学習に基づいた高度なコンピュータアプリケーションが完全に組み込まれており、教室での線画を使用して船体の形状の輪郭を描き、それによって船舶の設計および建造プロセスを評価します。 。鉛筆を使用して線を引く場合、繰り返し描いたり消したりする必要があり、曲線が十分に滑らかであるかどうかを目視検査で判断する必要があります。しかし現在では、多くのソフトウェアを使用して、船体の線図を迅速に描画したり、収集された履歴データを使用して現在の計画を検証するアルゴリズムを使用したりできるようになりました。

最新のコンピューティング能力の強化により、エンジニアは変数をテストし、その有効性を数秒で評価できるようになります。これまでは数時間、場合によっては数日かかっていた作業が可能になります。このような効率の向上が達成できる理由は、過去数百年にわたる人々の科学原理と計算式の絶え間ない探究と切り離すことができません。さらに、ソフトウェアには、満たす必要のある最小限のセキュリティ標準とコンプライアンス要件が含まれています。

よく言われるように、「海洋産業は常に新しいテクノロジーを受け入れるのが遅かった」。しかし、現代の造船所や工学設計会社に足を踏み入れると、3D モデリング、数値流体力学、有限要素解析、ロボット製造などのテクノロジーが日常的に応用されているのが目に入るでしょう。これは、この理解が間違っていることが多いことを示しています。さて、造船業界は、機械学習や人工知能などのより高度なツールの導入も検討する必要があります。

現在、造船および海洋エンジニアは高度なソフトウェア パッケージを使用して、設計と開発の効率と精度を大幅に向上させています。これらのツールのうち、特に機械学習や AI との統合に適しています。たとえば、数値流体力学 (CFD) では、主にナビエ・ストークス方程式を使用して、船舶が移動する流体をモデル化します。

現代の計算能力の向上のおかげで、私たちは計算を通じて物理現象を評価できるようになりました。しかし、利用可能な最も強力なコンピューターを使用したとしても、そのようなシミュレーションには多くの場合、多くの時間と多額の投資が必要です。そのため、曳航戦車は船体の形状や性能を評価・測定するために今でも広く使用されています。しかし、数値流体力学の助けを借りて、船体の形状を最適化する方法を AI と話し合うための「仮想」曳航戦車セッションを作成し、実際のシナリオを通じてさらなるテストと検証を行うこともできるようになりました。理想的な世界では、最適な設計は物理的な曳航タンクでテストする必要すらありません。機械学習により、このようなシミュレーションの実行時間が短縮され、エラーの可能性を減らしながら顧客のコストを節約できます。

基本的な機械学習アルゴリズムを超えて AI をさらに応用することに対する現在の主な障害は、AI に利用できる独自のデータセットが非常に限られているということです。 AI が成功するためには、AI システムは通常、効果的なクエリ応答を抽出して構築するために大量のデータを必要とします。強力なデータセットがなければ、造船や海洋エンジニアリングにおける AI アプリケーションは効果的ではありません。当社では、実世界のデータを数年サイクルで収集して適用することが、エラーを削減し設計を改善するための重要な前提条件となっていると認識しており、このデータを積極的に整理して将来の設計に使用するための措置を講じ始めています

造船および海洋工学分野の特定の分野では、波や潮流の測定、船舶の操縦記録、海洋機器の性能ログなど、工学設計を改善するために使用されている大規模なデータセットが実際に蓄積されています。このような活動に利用できるデータは大量にありますが、多くの場合、それらは政府機関、通信事業者、機器メーカーによって維持されており、現時点ではすべての関係者が簡単にアクセスできるグローバル データ セットはありません。

船舶設計データの実際の応用は、さまざまな理由から依然としてかなり制限されています。これらの理由には、民間または政府の資金による設計 (データは所有者のみが使用できる)、専門の船舶設計 (特定の種類の船舶のみに利用可能、範囲が限られている)、実際に使用可能なデータを収集、検証、提供するために必要な資金の不足が含まれます

オーストラリアの船舶設計メーカー Austal は、DeepMorpher ツールの詳細をいくつか明らかにしました。このツールは、AI と機械学習テクノロジーを使用して船体の形状を最適化しており、同社はニュースで、ハイパフォーマンス コンピューティングを使用して数値流体力学の実行時間を短縮すると同時に、3D 船体設計データセットとも連携していると発表しました。 Austal は船体形状の大規模なライブラリを持っており、テストと検証の結果、DeepMorpher のパフォーマンスが他のいくつかの既存のモデルよりも桁違いに高いことがわかりました。

データの匿名性が全体にわたって保証され、オープン データ アクセスが実際に所有者に定量的なメリットをもたらすことができるのであれば、専有データに対する現在の厳しい制限は将来的に緩和されるはずです。さらに、特定の使用例や顧客のニーズに合わせて設計されたマスター プランなどの特定の設計上の決定は、独占的であり、一般には公開されない場合があります。

ただし、設計全体に必要な数学的確実性や規制要件を満たすために、その他の設計上の決定も行われます。政府機関を含む船主が、データと人工知能システムによって設計作業の効率がどのように向上するかを理解できれば、率先してデータ セットを提供する可能性があります。

さまざまな特殊な船種に対して適切なソリューションはありません。アプリケーション空間はいくつかの点で異なる船舶間で共通である場合があるため、関連するデータのマイニングを試みることができます。しかし、それでも、データを検証し、転送できるかどうかを確認するプロセスには多くの時間と費用がかかるため、コストを管理し、実際の適用範囲を向上させるためにデータを「クリーン」にする方法を見つける必要があります

造船および海洋工学は、洋上に浮かぶ船体を形成するために、船体の形状、内部構造、発電、配電、インテリア デザイン、居住および作業環境、人間工学などの観点から優れた設計を必要とする興味深い工学分野です。生命を維持し、乗組員がプラットフォーム上で作業を完了するのを支援できるプラットフォーム。

すべての空間およびシステムの設計にはかなりの時間がかかり、同時に複数の関係者のニーズを満たす必要があり、さまざまな潜在的な設計エラーをタイムリーに発見して解決する必要があります。 AI を使用すると、エラーを削減し、コンプライアンス要件を確実に遵守し、人間工学に基づいたさまざまなニーズを満たし、「適切に機能する」電気システムと機器のレイアウト設計を提供できます。

今日の現代の船舶には広範な電気システムと制御システムが搭載されており、船全体がコンピューターによって制御されており、新しい全電気/ハイブリッドフェリーには高度な制御システムと監視システムを装備する必要があります。 AI は、人間の専門家よりも早く設計段階でこれらのシステム間の競合を発見して解決するのに役立ち、判断ミスを減らすことが期待されます。

水運は物資の取引の主要な手段であり、約90％を占めています。毎年、何百万人もの人々がフェリーやその他の旅客船で世界中を旅行しています。海洋産業における人材の需要は非常に高いです。資格のある乗務員の数が限られているため、多くの予定されていたフライトが延期またはキャンセルされなければなりませんでした。米国では、造船や海洋工学の学位を取得できる大学はわずかであり、この分野での機械学習や人工知能技術の研究と応用を促進することは困難である。鶏が先か卵が先かという無限のサイクルに陥ってしまいます。政府プロジェクトが複数の船舶契約を締結しており、（船舶の安全に影響を与えない限り）設計の公開性をある程度維持でき、研究開発資金も潤沢にあることを考慮すると、造船業界は米国沿岸警備隊や米国と協力できると思われる。海軍が AI テクノロジーの応用の可能性を共同で探究する

アメリカ海軍は大規模な船舶を保有しているため、AI と機械学習の探求の出発点として特に適しています。 2021年に発足したタスクフォース・ホッパーは、海軍水上艦隊全体のAI能力を加速させることを期待しているが、主に戦闘レベルに焦点を当てることになる。しかし、入手可能な大量のデータと一連の船舶設計の裏付けにより、将来的には実際の船舶設計にAIが適用される可能性が高いと考えられています。

以上が海洋工学における生成 AI: 独自のデータセットが不十分なため、実用化が制限されているの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。