利用深度学习自动设计符合空气动力学的自行车

EPFL衍生公司开发了一款软件，利用深度学习自动设计符合空气动力学的自行车。现在AI设计出的这辆自行车有望打破现在人类设计的自行车行驶的世界纪录。

EPFL的衍生公司Neural Concept最新研发了一款软件，能让工程师可快速得出符合空气动力学原理的自行车最优设计方案。目前，工程师们已通过此程序设计出一辆自行车，该自行车的速度有望在今年秋季的内华达世界人力速度挑战比赛中打破世界纪录。Neural Concept的工程师在ICML上展示了这款软件。

目标：打破陆上自行车行驶最高纪录

目前，平坦道路上行驶的自行车纪录为133.78 km/h，荷兰团队在2012年参加位于内华达沙漠的每年一次的世界人力速度挑战赛时，创下了该纪录。

来自IUT Annecy的团队目标是在今年9月打破这一纪录。通过使用由EPFL发起、Neural Concept开发的人工智能软件，该团队能够有效地提高自行车的性能。在短短几分钟内，Neural Concept的技术可以计算出自符合空气动力学原理的最佳自行车形状。

此外，这项技术还可以用于许多其他的空气动力学计算场合。该公司在2018年斯德哥尔摩国际机器学习大会上展示了这款软件。

从外观来看，IUT Annecy团队的斜躺式自行车像是一辆小型赛艇，而不是人力自行车。 它采独家用定制的方式来更好地贴合骑车者的人体构造。

挑战赛期间，在8公里的冲刺后，它将继续以所能达到的最快的速度骑行200米长的平直道路。这一自行车而设计的目标显然不是提升骑车人的舒适性，而是提升自行车的性能。

由软件自动设计的符合空气动力学的自行车成功运行

AI提供更快、更详细、更有效的设计

现有的空气动力学设计方法需要强大的计算能力。 传统上，自行车工程师会想出不同的设计方案，然后通过计算机进行模拟来进行检验。但这次，工程师第一次使用优化后的软件，而不是他们自己的直觉来定义卧式自行车整流罩。 

自行车整流罩（recumbent bike fairing），图片来源：Pedal Room

IUT Annecy团队使用了Neural Concept的软件，计算了自行车的最大长度和宽度以及动力传动系统和车轮所需的空间。 接下来，程序会对各种形状设计方案进行分类，快速比较并选择出最佳形状设计方案。例如，该程序可以帮助工程师确定车辆设计中最大宽度部分的最佳位置。

为了开发巩固软件背后的技术支撑，EPFL计算机视觉实验室的研究人员训练了卷积神经网络，计算由通用多边形网格（用于生成三维形状的点的集合）来表示的、形式多样的空气动力学特性。

使用软件3D渲染符合空气动力学特性

工程师可以使用该软件更加快速准确地对不同设计进行详细分析。Neural Concept公司首席执行官Pierre Baqué表示，“相比原有的传统方法，我们的项目设计可将空气动力学性能提高5-20％。更重要的是，它可以应用在传统方法无法实现的某些场合。” 

另一个亮点是，该软件可以进行无人类偏见或者先入为主的设计比较。 “用于训练程序的形状可能与给定物体的标准形状非常不同，这使它具有很大的灵活性，”Baqué补充解释。

世界人力速度挑战赛（World Human Powered Speed Challenge）是一项由大学生团队设计的自行车比赛，今年将于9月10日至15日举行，许多团队向比赛诞生的世界纪录发起挑战。 对IUT Annecy团队和Neural Concept来说，这场挑战赛将是一场机器学习技术在真实世界的较量。

除此之外，该软件可以应用于其他领域中，例如用于设计无人机，风力涡轮机和飞机。 各行各业的专业人士已经敏锐地意识到了深度学习的潜力。

当前，IUT Annecy和Neural Concept已经开始为明年的比赛设计自行车，这项设计并将完全由软件独立自主完成，无需任何人为干预。