해군 공학의 생성적 AI: 소규모 독점 데이터 세트는 채택을 제한합니다.

현대 컴퓨팅은 해군 건축 및 해양 공학의 설계 및 제작 프로세스를 크게 개선했지만 제한된 데이터로 인해 더 이상 발전하는 데 방해가 되었습니다.

해군 건축 및 해양 공학(NAME)의 학문 명칭은 불과 몇백 년 전이지만 그 기원은 인간이 탐험하고 상업을 수행하기 위해 보트를 만들었던 고대 문명으로 수천 년 전으로 거슬러 올라갑니다. 아르키메데스, 부게(Bouguer), 채프먼(Chapman)을 비롯한 다양한 사람들이 부력, 안정성, 선박 설계 개념에 대한 이론, 과학, 방법을 공식화했습니다.

NAME은 해양 선박 및 구조물의 설계, 제작, 테스트, 측량, 유지 관리 및 운영을 다루는 전문 엔지니어링 분야입니다. 저는 미국 해안경비대 사관학교를 졸업하고 해군 건축 및 해양 공학 학사 학위를 취득했으며 UC Berkeley에서 석사 학위를 받았습니다. 지난 22년 동안 저는 민간 해양 컨설팅 회사에서 조선 설계사로 일하면서 여객선, 해양 연구 선박, 바지선 및 기타 선박의 설계 작업을 해왔습니다.

Matt Miller는 22년 동안 조선공학자로 일해 왔습니다.

디자인에는 플로팅 도크와 같은 기본적인 것부터 복잡한 1,200피트 크루즈 선박과 바다 위의 작은 마을 역할을 하는 항공모함까지 포함됩니다. 이 분야의 전문가들은 해상 풍력 플랫폼, 잠수함, 컨테이너 선박, 자율 선박 및 수중이나 수중에서 작동하는 거의 모든 해양 선박을 설계합니다.

나를 포함한 현 세대의 조선공학자들은 대학 과정에서 연필, 스플라인, 오리를 사용하여 손으로 배의 선을 그렸을 수도 있지만, 현재 설계 프로세스에는 기계 학습을 통합하는 고급 컴퓨터 응용 프로그램이 포함됩니다.

선박의 라인은 선박의 설계 및 제작을 평가하는 데 사용되는 선체 형태를 제공합니다. 연필과 스플라인을 사용하던 시절에는 시각적으로 매끄러움을 평가하고 지우개 조각이 종이에 흩뿌려지면서 시행착오를 거쳐 선이 만들어졌습니다. 오늘날 선체 라인 개발을 즉각적으로 지원하고 과거 데이터 수집 및 검증을 통해 개발된 알고리즘을 기반으로 하는 소프트웨어가 있습니다.

최신 컴퓨팅 성능을 통해 엔지니어는 과거에 몇 시간 또는 며칠이 걸렸던 변수를 테스트하고 그 효과를 몇 초 만에 평가할 수 있습니다. 이 기능의 대부분은 수백 년 동안 존재해 온 공식과 과학을 기반으로 구축되었습니다. 또한 소프트웨어에는 안전 표준을 충족하기 위해 충족해야 하는 최소 기준이 있는 규정이 포함되어 있습니다.

해양산업은 신기술 도입이 느리다고 흔히들 말하지만, 현대 조선소나 엔지니어링 설계회사에 들어가면 3D 모델링, 전산유체역학, 유한요소해석, 로봇공학 제조 등을 정기적으로 사용하는 모습을 볼 수 있기 때문에 믿음이 간다. 더 이상 정확하지 않습니다. 이제 머신러닝과 AI의 형태로 제공되는 고급 도구를 고려해야 할 때입니다.

오늘날 조선공학자와 해양 엔지니어가 사용하는 고급 소프트웨어 패키지는 설계 개발의 효율성과 정확성을 크게 향상시켰습니다. 이러한 도구 중 일부는 기계 학습과 AI를 통합하는 데 적합합니다. 예를 들어, 전산유체역학(CFD)은 주로 Navier-Stokes 방정식을 사용하여 선박이 이동하는 유체를 모델링하는 데 사용됩니다.

최신 컴퓨팅 능력 덕분에 이러한 계산을 수행하여 물리적 현상을 평가할 수 있지만 오늘날의 컴퓨터를 사용하더라도 이러한 시뮬레이션에는 고성능 컴퓨터가 필요하고 시뮬레이션을 실행하는 데 많은 시간이 소요됩니다. 예인 탱크는 오늘날에도 선체 형태 성능을 평가하고 측정하는 데 사용되지만 CFD 덕분에 "가상" 예인 탱크 세션을 수행하고 최적화된 선체 형태를 개발할 수 있습니다. 그런 다음 검증을 위해 견인 탱크에서 추가 테스트를 수행하거나 견인 탱크 테스트 없이 구축할 수도 있습니다. 기계 학습은 이러한 시뮬레이션을 실행하는 데 필요한 시간을 줄여 클라이언트의 비용을 절약하는 동시에 발생할 수 있는 오류를 줄일 수 있습니다.

기본 기계 학습 알고리즘을 넘어 해양 선박 설계에 인공 지능을 사용하는 데 있어 주요 제한 사항 중 하나는 시스템에서 사용할 수 있는 제한적이고 독점적인 데이터 세트입니다. AI가 성공하려면 AI 시스템이 쿼리에 대한 유효한 응답을 가져오고 구축할 수 있는 방대한 양의 데이터가 필요합니다. 강력한 데이터 세트가 없으면 AI의 결과는 이 엔지니어링 분야에 유용하지 않습니다. 우리 회사는 수년에 걸쳐 수집된 데이터를 수집하고 사용하는 것이 오류를 줄이고 설계를 개선하는 데 필수적이라는 것을 인식하여 향후 설계에서 데이터를 대조하고 사용하기 위한 계획이 진행 중입니다.

해군 건축가인 Matt Miller는 여객선과 기타 다양한 선박을 설계합니다.

실제로 설계 개선에 사용될 수 있고 사용되고 있는 광범위한 데이터 세트를 갖춘 해군 건축 및 해양 공학 분야의 일부 영역이 있습니다. 여기에는 파도 및 조류 측정, 선박 조종 기록, 해양 장비 성능 로그가 포함됩니다. 이러한 유형의 활동에 사용할 수 있는 엄청난 양의 데이터가 있지만 정부 기관, 운영자 및 장비 제조업체에서 이를 유지 관리하는 경우가 많습니다. 모든 이해관계자에게 이익을 줄 수 있는 즉시 이용 가능한 글로벌 데이터 세트는 없습니다.

선박 설계 데이터는 여러 가지 이유로 현재 유용성이 특히 제한되어 있습니다. 여기에는 데이터가 소유자의 사용으로 제한되는 설계에 대한 민간 또는 정부 자금, 특정 유형의 선박 수가 제한되는 특수 선박 설계, 실제 사용을 위해 사용 가능한 데이터를 수집, 검증 및 제공하는 데 필요한 제한된 자금이 포함됩니다. .

호주에 본사를 둔 선박 설계사인 Austal은 AI와 기계 학습을 사용하여 선박 선체 형태를 최적화하는 DeepMorpher 도구의 일부 세부 정보를 공개했습니다. Austal 보도 자료에서는 3D 선박 선체 설계 데이터 세트와 함께 CFD 수행 시간을 줄이기 위한 고성능 컴퓨팅 사용에 대해 설명합니다. Austal은 DeepMorpher가 다른 현재 모델보다 몇 배 더 뛰어난 성능을 발휘하는지 테스트하고 검증하는 데 사용된 대규모 선체 형태 라이브러리를 보유하고 있습니다.

독점 데이터에 대한 제한은 데이터가 익명으로 유지되는 것으로 인증될 수 있고 데이터에 대한 액세스를 제공함으로써 소유자에게 측정 가능한 이점이 있는 경우 향후 해결될 수 있습니다. 특정 사용 사례나 고객 요구 사항에 맞게 설계된 일반 구성과 같은 일부 설계 결정은 독점적인 상태로 유지될 수 있습니다.

그러나 모든 설계에 적용할 수 있는 수학적 확실성 또는 규제 요구 사항을 충족하기 위해 다른 많은 설계 결정이 내려집니다. 정부 기관을 포함한 소유자가 데이터 및 AI 시스템을 사용하여 설계의 개선 및 효율성을 확인하면 데이터 세트 제공에 더 순응할 수 있습니다.

더 많은 수의 고유한 용기를 설계하기 위해 수행할 수 있는 작업은 많지 않지만 데이터를 마이닝하여 사용할 수 있도록 다른 용기 설계에 공통된 데이터 측면이 있을 수 있습니다. 데이터의 유효성을 검사하고 고유한 측면이 제거되었는지 확인하는 데는 시간과 비용이 필요하므로 보다 일반적인 용도로 데이터를 "깨끗하게" 만드는 데는 비용이 중요한 요소입니다.

해군 건축가 Matt Miller가 선박 내부에서 작업하고 있습니다.

조선 건축 및 해양 공학은 선체 형태, 내부 구조, 발전, 전력 분배, 인테리어 디자인, 생활 및 작업 배치, 인체공학 등의 설계를 요구하는 흥미로운 엔지니어링 분야로, 생명을 유지하는 부유식 플랫폼을 만듭니다. 승무원이 플랫폼 작업을 수행하도록 돕습니다.

모든 공간과 시스템의 설계에는 상당한 시간이 걸리며 설계 오류가 발생할 수 있도록 많은 당사자의 요구 사항을 해결하는 작업이 포함됩니다. AI를 사용하여 오류를 줄이고, 규제 준수를 달성하고, 모든 인체공학적 요구 사항을 해결하고, 전기 시스템과 장비 설계 및 레이아웃에 "작동"하는 설계를 개발할 수 있는 한 가지 방법입니다.

바다 위에 크레인 기계와 컨테이너 선박이 있는 조선소의 공중 전망.

오늘날의 현대식 선박에는 선박 전체에 사용되는 컴퓨터와 고급 제어 및 모니터링 시스템이 필요한 새로운 완전 전기 및 하이브리드 페리를 갖춘 광범위한 전기 및 제어 시스템이 있습니다. AI는 설계 단계에서 인간보다 더 빠른 속도로, 잠재적으로 감독 오류를 줄여 이러한 시스템의 충돌을 식별하고 해결하는 데 도움을 줄 수 있습니다.

교역품의 거의 90%가 바다를 통해 운송되며 수백만 명의 사람들이 페리와 기타 여객선을 타고 전 세계로 이동합니다. 제한된 자격을 갖춘 승무원으로 인해 예정된 많은 선박 항해가 지연되거나 취소되는 등 해양 산업에 대한 수요가 높습니다. 미국에는 해군 건축 및 해양 공학 학위를 제공하는 대학이 소수에 불과하므로 기계 학습 및 AI 기술을 통해 업계를 발전시키는 데 도움을 줄 수 있는 자격을 갖춘 개인을 찾는 것이 어렵습니다.

인력 배치 문제는 강력한 AI 기술로 해결할 수 있지만 현재는 닭과 달걀이 중요한 상황입니다. 정부 프로젝트에서 일반적으로 볼 수 있는 다수의 선박 계약, 설계의 개방성(보안 제한이 없는 한), 연구 개발에 사용할 수 있는 자금을 고려할 때 AI 기술을 추구하는 것은 기업과 함께 가능한 것으로 보입니다. 미국 해안경비대나 미국 해군처럼 말이죠.

버지니아주 노퍽에 있는 미 해군 항공모함.

미 해군은 유사한 선박으로 구성된 대규모 조직이므로 이 조직은 AI 및 기계 학습에 완벽하게 적합합니다. Task Force Hopper는 주로 작전에 초점을 맞춘 해군 수상 함대 전반에 걸쳐 AI를 가속화하기 위해 2021년에 출범했습니다. 그러나 사용 가능한 데이터의 양이 방대하고 일련의 선박 설계가 있기 때문에 향후 선박 설계 작업에 AI가 적용될 가능성이 높습니다.