目前，市場(chǎng)對(duì)于提高發(fā)動(dòng)機(jī)性能和燃油經(jīng)濟(jì)性、減少排放的需求日益增長(zhǎng)，汽車制造商因此面臨的壓力越來(lái)越大。然而，實(shí)現(xiàn)這些目標(biāo)頗具挑戰(zhàn)。據(jù)外媒報(bào)道，美國(guó)能源部阿貢國(guó)家實(shí)驗(yàn)室（Argonne National Laboratory）研究人員正在開發(fā)深度學(xué)習(xí)框架MaLTESE（發(fā)動(dòng)機(jī)模擬與實(shí)驗(yàn)機(jī)器學(xué)習(xí)工具），以應(yīng)對(duì)這一挑戰(zhàn)。

（圖片來(lái)源：阿貢國(guó)家實(shí)驗(yàn)室官網(wǎng)）

在我們?nèi)粘Ｍㄇ谶^(guò)程中，加速、減速和急剎車，都會(huì)使引擎受到嚴(yán)重磨損。個(gè)人駕駛習(xí)慣，以及道路和天氣狀況，也會(huì)造成一定損害。汽車制造商不斷研究在不同條件下優(yōu)化發(fā)動(dòng)機(jī)運(yùn)行的新方法。然而，由于有超過(guò)20種不同的參數(shù)影響燃油經(jīng)濟(jì)性和排放，因此找到合適的方法速度較慢，而且成本較高。

阿貢實(shí)驗(yàn)室研究人員Shashi Aithal和Prasanna Balaprakash利用ALCF（Argonne Leadership Computing Facility）的超級(jí)計(jì)算資源，為自動(dòng)駕駛和云鏈接車輛開發(fā)MaLTESE。他們希望該框架能用于開發(fā)車載系統(tǒng)，結(jié)合高性能計(jì)算和機(jī)器學(xué)習(xí)能力，實(shí)現(xiàn)更高水平的實(shí)時(shí)自適應(yīng)學(xué)習(xí)和控制。

為了研究不同的駕駛和發(fā)動(dòng)機(jī)運(yùn)行條件對(duì)發(fā)動(dòng)機(jī)性能和排放的影響，研究人員使用MaLTESE模擬25萬(wàn)輛汽車的25分鐘的典型駕駛周期，相當(dāng)于芝加哥四個(gè)主要高速公路高峰時(shí)段的交通流量。ALCF的Theta系統(tǒng)是世界上功能最強(qiáng)大的超級(jí)計(jì)算機(jī)之一，仿真幾乎完全使用了該系統(tǒng)的全部能力，只需不到15分鐘的時(shí)間，比實(shí)際駕駛所需時(shí)間更短。目前，即使是在大型超級(jí)計(jì)算機(jī)上完成一個(gè)發(fā)動(dòng)機(jī)周期的高擬真情境仿真，需要幾天的時(shí)間。而一個(gè)典型的駕駛周期有數(shù)千個(gè)不同的發(fā)動(dòng)機(jī)周期。

Aithal之前開發(fā)了基于物理的實(shí)時(shí)引擎仿真器pMODES（parallel Multi-fuel Otto Diesel Engine Simulator，并行多燃料四沖程柴油發(fā)動(dòng)機(jī)仿真器），不僅運(yùn)行速度比傳統(tǒng)的發(fā)動(dòng)機(jī)建模工具快得多，而且可以同時(shí)模擬數(shù)千個(gè)駕駛周期的性能和排放。MaLTESE結(jié)合了pMODES與Balaprakash的駕駛仿真深度學(xué)習(xí)工具的技術(shù)。

pMODES的發(fā)動(dòng)機(jī)仿真結(jié)果用于訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)駕駛條件和發(fā)動(dòng)機(jī)/變速器設(shè)計(jì)對(duì)車輛性能和排放的影響。經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可在微秒內(nèi)預(yù)測(cè)發(fā)動(dòng)機(jī)性能和排放，實(shí)現(xiàn)車載實(shí)時(shí)自適應(yīng)控制。Balaprakash表示，“駕駛仿真機(jī)器學(xué)習(xí)非常適合于需要大量高性能計(jì)算資源的多輸入多輸出應(yīng)用，例如駕駛周期分析。這些工具可在巨大的參數(shù)范圍內(nèi)，使用相對(duì)較小的子集進(jìn)行訓(xùn)練，然后用于其他場(chǎng)景預(yù)測(cè)，無(wú)需進(jìn)行模擬。”