AP08856141 — Разработка метода топологической оптимизации на основе Глубокого Обучения и GPU-ускоренных вычислении для создания аэродинамических структур
Цель проекта: Разработка нового метода TO, который будет включать в себя методы ускоренных вычислений с использованием GPU и Глубокого Обучения для разработки 3D-печатных структур, оптимизированных для мультифизических приложений, в частности, приложений взаимодействия аэродинамики с твердым телами. Новый метод позволит дизайнерам выполнять итерации быстрее с меньшим количеством ошибок и глубже исследовать пространство разработка.
Актуальность: Недавний прогресс в аддитивном производстве в настоящее время открывает новые возможности проектирования во многих отраслях, в том числе в аэрокосмической и робототехнической промышленности, где многокомпонентные конструкции, разработанные с помощью старомодных производственных процессов, можно легко заменить на легкую однокомпонентную конструкцию с использованием экономичной одностадийной технологии 3D печати.
Научный руководитель: Доктор технических наук, Профессор, Ахметов Бакытжан
Полученные результаты: В рамках проекта проведено комплексное исследование методов ускорения вычислений в задачах топологической оптимизации (TO). Проанализированы подходы на основе CPU, GPU и глубокого обучения, выявлены их преимущества и ограничения. Разработаны и протестированы модели глубокого обучения (U-Net, Res-U-Net, CNN), показавшие высокую точность и значительное сокращение времени расчетов. Установлено, что по сравнению с традиционным методом SIMP время получения оптимизированных решений сокращается до миллисекунд. Дополнительно разработан подход аэродинамической топологической оптимизации (ASTO), продемонстрировавший эффективность для дронов и мягких роботизированных захватов. Полученные результаты подтвердили высокую производительность и надежность предложенных моделей. Рассмотрены перспективы коммерциализации и внедрения разработанных решений в виде программного обеспечения.
Список публикаций с ссылками на них
- 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
- Rasulzada J., Rustamov S., Akhmetov B., Maksum Y., Nogaibayeva M. Computational Acceleration of Topology Optimization Using Deep Learning // Symmetry. – 2022. – (in print).
- 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
- 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
- Ахметов Б. Архитектура U-Net для задач топологической оптимизации: свидетельство об авторском праве № 27543 от 28.06.2022.
- Ахметов Б. Архитектура Res-U-Net для ускорения решения задач топологической оптимизации: свидетельство об авторском праве № 28762 от 14.09.2022.