EPFL衍生公司開發了一款軟件，利用深度學習自動設計符合空氣動力學的自行車。現在AI設計出的這輛自行車有望打破現在人類設計的自行車行駛的世界紀錄。

EPFL的衍生公司Neural Concept最新研發了一款軟件，能讓工程師可快速得出符合空氣動力學原理的自行車最優設計方案。目前，工程師們已通過此程序設計出一輛自行車，該自行車的速度有望在今年秋季的內華達世界人力速度挑戰比賽中打破世界紀錄。Neural Concept的工程師在ICML上展示了這款軟件。

目標：打破陸上自行車行駛最高紀錄

目前，平坦道路上行駛的自行車紀錄為133.78 km/h，荷蘭團隊在2012年參加位于內華達沙漠的每年一次的世界人力速度挑戰賽時，創下了該紀錄。

來自IUT Annecy的團隊目標是在今年9月打破這一紀錄。通過使用由EPFL發起、Neural Concept開發的人工智能軟件，該團隊能夠有效地提高自行車的性能。在短短幾分鐘內，Neural Concept的技術可以計算出自符合空氣動力學原理的最佳自行車形狀。

此外，這項技術還可以用于許多其他的空氣動力學計算場合。該公司在2018年斯德哥爾摩國際機器學習大會上展示了這款軟件。

從外觀來看，IUT Annecy團隊的斜躺式自行車像是一輛小型賽艇，而不是人力自行車。 它采獨家用定制的方式來更好地貼合騎車者的人體構造。

挑戰賽期間，在8公里的沖刺后，它將繼續以所能達到的最快的速度騎行200米長的平直道路。這一自行車而設計的目標顯然不是提升騎車人的舒適性，而是提升自行車的性能。

由軟件自動設計的符合空氣動力學的自行車成功運行

AI提供更快、更詳細、更有效的設計

現有的空氣動力學設計方法需要強大的計算能力。 傳統上，自行車工程師會想出不同的設計方案，然后通過計算機進行模擬來進行檢驗。但這次，工程師第一次使用優化后的軟件，而不是他們自己的直覺來定義臥式自行車整流罩。

自行車整流罩（recumbent bike fairing），圖片來源：Pedal Room

IUT Annecy團隊使用了Neural Concept的軟件，計算了自行車的最大長度和寬度以及動力傳動系統和車輪所需的空間。 接下來，程序會對各種形狀設計方案進行分類，快速比較并選擇出最佳形狀設計方案。例如，該程序可以幫助工程師確定車輛設計中最大寬度部分的最佳位置。

為了開發鞏固軟件背后的技術支撐，EPFL計算機視覺實驗室的研究人員訓練了卷積神經網絡，計算由通用多邊形網格（用于生成三維形狀的點的集合）來表示的、形式多樣的空氣動力學特性。

使用軟件3D渲染符合空氣動力學特性

工程師可以使用該軟件更加快速準確地對不同設計進行詳細分析。Neural Concept公司首席執行官Pierre Baqué表示，“相比原有的傳統方法，我們的項目設計可將空氣動力學性能提高5-20％。更重要的是，它可以應用在傳統方法無法實現的某些場合。”

另一個亮點是，該軟件可以進行無人類偏見或者先入為主的設計比較。 “用于訓練程序的形狀可能與給定物體的標準形狀非常不同，這使它具有很大的靈活性，”Baqué補充解釋。

世界人力速度挑戰賽（World Human Powered Speed Challenge）是一項由大學生團隊設計的自行車比賽，今年將于9月10日至15日舉行，許多團隊向比賽誕生的世界紀錄發起挑戰。 對IUT Annecy團隊和Neural Concept來說，這場挑戰賽將是一場機器學習技術在真實世界的較量。

除此之外，該軟件可以應用于其他領域中，例如用于設計無人機，風力渦輪機和飛機。 各行各業的專業人士已經敏銳地意識到了深度學習的潛力。

當前，IUT Annecy和Neural Concept已經開始為明年的比賽設計自行車，這項設計并將完全由軟件獨立自主完成，無需任何人為干預。