Все новости

Модели машинного обучения внедрят для оптимизации автомобильных двигателей в США

Полученные результаты используют для обучения глубокой нейронной сети и оценки того, как влияют дорожные условия на работу автомобиля и уровень выбросов

ТАСС, 11 сентября. Ученые Аргоннской национальной лаборатории при Министерстве энергетики США приступили к разработке системы MaLTESE (Machine Learning Tool for Engine Simulation and Experiment) для оптимизации автомобильных двигателей, экономии топлива и сокращения выбросов. Об этом сообщается на сайте лаборатории.

Для исследования влияния различных условий вождения на характеристики работы двигателя и уровень выбросов с помощью MaLTESE были обработаны 25-минутные циклы движения на примере 250 тыс. автомобилей, что примерно равно транспортному потоку на четырех основных магистралях Чикаго в час пик.

В рамках проекта ученые задействуют суперкомпьютеры, сочетающие сложные системы моделирования с помощью методов машинного обучения, и системы проектирования двигателей. Результаты моделирования используются для обучения глубокой нейронной сети и оценки того, как влияют дорожные условия, конструкция двигателя и водительские привычки на работу автомобиля и уровень выбросов.

Предполагается, что впоследствии обученная нейронная сеть сможет с высокой точностью предсказывать характеристики работы двигателя и потенциальный уровень вредных выбросов за считанные секунды, обеспечивая адаптивное управление автомобилем.