A otimização de inteligência synthetic oferece uma série de benefícios para engenheiros mecânicos, incluindo projetos e simulações mais rápidos e mais precisos, eficiência melhorada, custos reduzidos de desenvolvimento por meio da automação de processos e manutenção preditiva aprimorada e controle de qualidade.
“Quando as pessoas pensam em engenharia mecânica, estão pensando em ferramentas mecânicas básicas, como martelos e … {hardware} como carros, robôs, guindastes, mas a engenharia mecânica é muito ampla”, diz Faez Ahmed, a cadeira Doherty na utilização do oceano e professor associado de engenharia mecânica do MIT. “Dentro de engenharia mecânica, aprendizado de máquina, IA e otimização estão desempenhando um grande papel”.
No curso de Ahmed, 2.155/156 (AI e aprendizado de máquina para design de engenharia), os alunos usam ferramentas e técnicas de inteligência synthetic e aprendizado de máquina para design de engenharia mecânica, concentrando -se na criação de novos produtos e nos desafios de design de engenharia.
Árvores de gatos para captura de movimento: AI e ML para design de engenharia
Vídeo: Departamento de Engenharia Mecânica do MIT
“Há muitas razões para os engenheiros mecânicos pensarem em aprendizado de máquina e IA para acelerar essencialmente o processo de design”, diz Lyle Regenwetter, assistente de ensino do curso e candidato a doutorado no Laboratório de Computação de Design de Ahmed e Engenharia Digital (Decode), onde a pesquisa se concentra no desenvolvimento de novos métodos de aprendizagem de máquinas para estudar.
Oferecido pela primeira vez em 2021, a turma rapidamente se tornou uma das ofertas mais populares do Departamento de Engenharia Mecânica (MECHE), atraindo estudantes de departamentos de todo o instituto, incluindo engenharia mecânica e ambiental, aeronáutica e astronautas, a Escola de Administração e Ciência Nuclear do MIT e a ciência nuclear e a computação.
O curso, aberto a estudantes de graduação e pós-graduação, concentra-se na implementação de estratégias avançadas de aprendizado de máquina e otimização no contexto de problemas de design mecânico do mundo actual. Desde projetar quadros de bicicleta a grades da cidade, os alunos participam de concursos relacionados à IA para sistemas físicos e desafios de otimização em um ambiente de classe alimentado por uma competição amigável.
Os alunos recebem problemas de desafio e código inicial que “deram uma solução, mas (não) a melhor solução …” explica Ilan Moyer, uma estudante de graduação em Meche. “Nossa tarefa period (determinar), como podemos fazer melhor?” As tabelas de classificação ao vivo incentivam os alunos a refinar continuamente seus métodos.
Em Lauber, um estudante de design e gerenciamento de sistemas, diz que o processo deu espaço para explorar a aplicação do que os alunos estavam aprendendo e a habilidade prática de “literalmente como codificá -lo”.
O currículo incorpora discussões sobre trabalhos de pesquisa, e os alunos também buscam exercícios práticos em aprendizado de máquina, adaptados a problemas específicos de engenharia, incluindo robótica, aeronaves, estruturas e metamateriais. Para seu projeto last, os alunos trabalham juntos em um projeto de equipe que emprega técnicas de IA para design em um problema complexo de sua escolha.
“É maravilhoso ver a amplitude diversificada e a alta qualidade dos projetos de classe”, diz Ahmed. “Projetos de estudantes deste curso geralmente levam a publicações de pesquisa e até levaram a prêmios”. Ele cita o exemplo de um artigo recente, intitulado “GENCAD-SI-SILE-REPAIRA”Isso ganhou o prêmio American Society of Mechanical Engineers Techniques Engineering, Data and Data Administration 2025 Greatest Paper.
“A melhor parte do projeto last foi que ele deu a todos os alunos a oportunidade de aplicar o que eles aprenderam na turma a uma área que os interessa muito”, diz Malia Smith, estudante de graduação em Meche. Seu projeto escolheu “Dados marcados por movimento capturado” e analisou a previsão da força terrestre para os corredores, um esforço que ela chamou de “realmente gratificante” porque funcionou muito melhor do que o esperado.
Lauber adotou a estrutura de um design de “árvore de gatos” com diferentes módulos de postes, plataformas e rampas para criar soluções personalizadas para famílias de gatos individuais, enquanto a Moyer criou um software program que está projetando um novo tipo de arquitetura de impressora 3D.
“Quando você vê o aprendizado de máquina na cultura widespread, é muito abstrata e você tem a sensação de que há algo muito complicado acontecendo”, diz Moyer. “Esta aula abriu as cortinas.”