设计可靠的飞机可能既具有挑战性又耗时，因为它通常涉及多个步骤和分析。深度学习模型可能有助于加快飞机设计和部署的速度，帮助开发人员找出最有前景的解决方案或特定飞机的潜在缺陷。

为了训练这些模型，研究人员需要全面的数据集，其中包含各种各样的空中飞行器设计。然而，这些数据集往往难以编制，因为许多设计都受到专有合同的保护，或者很难获取。

最近，SRI国际、西南研究所和范德堡大学的研究人员合作创建了名为AircraftVerse的大规模数据集，其中包含了数千种复杂程度各异的飞机设计。他们的数据集已在arXiv上提前发表的论文中展示，并可用于训练机器学习以帮助航空器设计师。

“飞机设计涵盖了不同的物理领域，因此需要多种表达方式，”亚当·D·科布、阿尼尔班·罗伊和他们的同事在他们的论文中写道。“评估这些网络物理系统(CPS)设计需要使用科学分析和仿真模型，包括用于结构和制造分析的计算机辅助设计工具、用于阻力和升力计算的计算流体力学工具、用于能量估算的电池模型以及用于飞行控制和动力学的仿真模型。”

大多数用于计算机辅助设计（CAD）机器学习训练的现有数据集，如SketchGraphs、DeepCAD和ABC数据集，主要包含与单个机械零件相关的数据。然而，Cobb、Roy和他们的同事所介绍的数据集则包含了完整的飞机设计，结合了多个组件，如螺旋桨、机翼、电动机、电池等等。

在他们的论文中，“Cobb、Roy及其同事解释道：“AircraftVerse包含了27,714个不同的飞行器设计——这是工程设计中复杂程度最高的设计集合。”

每个设计都包括以下组成部分：一个描述拓扑结构、推进子系统、电池子系统及其他设计细节的象征性设计树；一个产品交换标准（STEP）模型数据；一个使用立体光刻（STL）文件格式的3D CAD设计；一个描述设计形状的3D点云；以及来自高保真先进物理模型的评估结果，用来刻画最大飞行距离和悬停时间等性能指标。

飞机宇宙数据集中所包含的设计是采用深度学习方法创建的，并依据专业飞机设计师提供的一般规则。研究人员将这些设计的最终版本通过工程模型运行，生成了包括每个设计独特特征和性能概述的元数据。

“我们还展示了使用不同设计表达方式的基线替代模型，用于预测设计性能指标，这些模型将作为我们数据集发布的一部分，” Cobb、Roy和他们的同事写道。“最后，我们探讨了此数据集对飞机设计以及更广泛的CPS领域中学习应用的潜在影响。”

这个研究团队创建的新数据集现已在网络上公开发布，并附带了基准模型和底层代码。这意味着全球的设计师和开发者们很快将能够使用它，辅助他们进行新型空中车辆的设计和性能评估。