印度技术学院Madras的研究人员开发了算法，以实现人工智能，机器学习和深度学习的新颖应用，从而解决工程问题。研究人员将建立一家初创公司，以部署其名为“ AISoft”的AI软件，以开发解决方案来解决热管理，半导体，汽车，航空航天和电子冷却应用等各个领域的工程问题。

人工智能，机器学习和深度学习现已使用了十多年，但传统上仅在信号处理，语音识别，图像重建和预测等领域使用。在全球范围内，使用这些算法解决工程问题的尝试非常有限，例如热管理，电子制冷行业，汽车问题(如发动机罩或发动机内部的流体动力学预测)，航空航天工业(如空气动力学和整个航空航天领域的流体动力学问题)铝箔或涡轮发动机。

由IIT Madras机械工程系流体系统实验室助理教授Vishal Nandigana领导的一组研究人员开发了AI和深度学习算法来解决工程问题，他们并没有解决物理定律来得出解决方案。系统。

工程师使用的过程

这个想法是新的，直到现在世界上的一些研究小组才开始研究。这些研究小组大多数使用卷积神经网络(CNN)或C-GAN(条件生成对抗网络)来解决工程问题。

使用此过程的好处

Vishal Nandigana强调了这些算法的独特之处，他说：“我们测试了AIsoft并将其用于解决此类热管理问题。我们发现，与目前在该领域中使用的现有解决方案相比，它的速度快了近百万倍。任何广义的直线和曲线输入几何。我们的研究节省了计算时间，这是解决大多数工程问题的瓶颈。”

研究人员利用数据驱动的AI和深度学习模型对AI进行了数据集训练后，得出了工程问题的解决方案。这些先前的数据集可以来自相关工程行业中的现有大数据，那里有大量的实验数据。此外，如果没有数据可用于训练AI，则可以使用商业上可用的CFD(计算流体动力学)软件在全面的小问题上生成这些数据。

此外，Vishal Nandigana表示：“我们正在使用新颖的递归神经网络(RNN)和深层神经网络(DNN)解决工程问题。我们的AI独立于网格或网格，不需要左右网格点信息即可解决我们的AI可以处理稀疏数据集并解决工程问题。我们的AI在这方面从市售软件中脱颖而出。”

IIT Madras研究人员还开发了使用GPU和多线程处理的硬件产品，以解决热和电子冷却行业中的热管理问题。软件和硬件产品的速度都比市场上的商业数值方法软件和开源软件快几倍。这些算法将解决许多行业急需解决的问题，也可用于教育目的。