AP08856141 – Терең оқыту және аэродинамикалық құрылымдарды құру үшін GPU-жеделдетілген есептеу негізінде топологиялық оңтайландыру әдісін әзірлеу

Өзектілігі: Аддитивті өндірістегі соңғы прогресс қазіргі уақытта көптеген салаларда, соның ішінде аэроғарыштық және робототехника салаларында жаңа дизайн мүмкіндіктерін ашады, мұнда ескірген өндірістік процестер арқылы жасалған көп компонентті құрылымдарды үнемді 3D басып шығару технологиясын қолдана отырып, жеңіл бір компонентті құрылыммен оңай ауыстыруға болады.

Жобаның мақсаты: Мультифизикалық қолданбалар үшін оңтайландырылған 3D басып шығарылған құрылымдарды әзірлеуге арналған жеделдетілген GPU және Deep Learning әдістерін қамтитын жаңа TO әдісін әзірлеу, әсіресе қатты денелермен аэродинамикалық әрекеттесу қолданбалары. Жаңа әдіс дизайнерлерге аз қателермен жылдамырақ қайталауға және әзірлеу кеңістігін тереңірек зерттеуге мүмкіндік береді..

Ғылыми жетекшісі: Техникалық ғылымдар докторы, Профессор, Ахметов Бакытжан

Алынған нәтижелер: Жоба аясында топологияны оңтайландыру (TO) әдістерінің есептеу тиімділігін арттыру жолдары кешенді түрде зерттелді. CPU, GPU және терең оқытуға негізделген тәсілдер салыстырылып, олардың артықшылықтары мен шектеулері анықталды. Терең оқыту модельдері (U-Net, Res-U-Net, CNN) әртүрлі деректер жиынтықтарында сыналып, жоғары дәлдік пен есептеу жылдамдығын көрсетті. Нәтижесінде, дәстүрлі SIMP әдісімен салыстырғанда есептеу уақыты айтарлықтай қысқарып, миллисекунд деңгейіне дейін төмендеді. Сонымен қатар, аэродинамикалық құрылымдарды оңтайландыру (ASTO) әдісі әзірленіп, дрондар мен жұмсақ роботтық ұстағыштар үшін тиімділігі дәлелденді. Жүргізілген зерттеулер жаңа алгоритмдердің жоғары өнімділігі мен сенімділігін көрсетті. Алынған нәтижелерді коммерцияландыру және бағдарламалық өнім ретінде енгізу мүмкіндіктері қарастырылды.

Жарияланымдар тізімі 

1. Maksum Y., Amirli A., Amangeldi A., Romagnoli A., Ding Y., Rustamov S., Akhmetov B. Computational Acceleration of Topology Optimization Using Parallel Computing and Machine Learning Methods – Analysis of Research Trends // Journal of Industrial Information Integration. – 2022. – Article 100352. – DOI: https://www.sciencedirect.com/science/article/abs/pii/S2452414X22000231
2. Rasulzada J., Rustamov S., Akhmetov B., Maksum Y., Nogaibayeva M. Computational Acceleration of Topology Optimization Using Deep Learning // Symmetry. – 2022. – (in print).
3. Ногайбаева М.О., Ахметов Б., Расулзаде Дж.Дж., Максум Е.А., Рустамов С. Ускорение вычислительного процесса топологической оптимизации на основе сверточной нейронной сети U-Net // Известия НАН РК. Серия информатики. – 2022. – № 3. – С. 198–213. – DOI: https://doi.org/10.32014_2518-1726_2022_343_3_198-213
4. Rasulzada J., Maksum Y., Nogaibayeva M., Rustamov S., Akhmetov B. Reduction of Material Usage in 3D Printable Structures Using Topology Optimization Accelerated with U-Net Convolutional Neural Network // Eurasian Chemico-Technological Journal. – 2022. – № 4. – DOI: https://doi.org/10.18321/ectj1471 
5. Ахметов Б. Архитектура U-Net для задач топологической оптимизации: свидетельство об авторском праве № 27543 от 28.06.2022.
6. Ахметов Б. Архитектура Res-U-Net для ускорения решения задач топологической оптимизации: свидетельство об авторском праве № 28762 от 14.09.2022.