La optimización de inteligencia artificial ofrece una serie de beneficios para los ingenieros mecánicos, incluidos diseños y simulaciones más rápidas y precisas, eficiencia mejorada, costos de desarrollo reducidos a través de la automatización de procesos y un mejor mantenimiento predictivo y control de calidad.
«Cuando las personas piensan en la ingeniería mecánica, están pensando en herramientas mecánicas básicas como los martillos y … hardware como automóviles, robots, grúas, pero la ingeniería mecánica es muy amplia», dice Faez Ahmed, la silla de Doherty en la utilización del océano y el profesor asociado de ingeniería mecánica en el MIT. «Dentro de la ingeniería mecánica, el aprendizaje automático, la IA y la optimización están jugando un papel importante».
En el curso de Ahmed, 2.155/156 (IA y aprendizaje automático para diseño de ingeniería), los estudiantes usan herramientas y técnicas de inteligencia artificial y aprendizaje automático para el diseño de ingeniería mecánica, centrándose en la creación de nuevos productos y abordando los desafíos de diseño de ingeniería.
CATROS CATROS A MOVIMIENTO: AI y ML para diseño de ingeniería
Video: Departamento de Ingeniería Mecánica del MIT
«Hay muchas razones para que los ingenieros mecánicos piensen en el aprendizaje automático y la IA para expedir esencialmente el proceso de diseño», dice Lyle Regenwetter, un asistente de enseñanza para el curso y un candidato a doctorado en el Laboratorio de Ingeniería de Design de Design de Ahmed (Decode), donde la investigación se enfoca en desarrollar nuevos métodos de aprendizaje automático y optimización para estudiar problemas de diseño de ingeniería complejos.
Se ofreció por primera vez en 2021, la clase se ha convertido rápidamente en una de las ofertas no populares del Departamento de Ingeniería Mecánica (MECHE), atrayendo a estudiantes de departamentos en todo el Instituto, incluidos Ingeniería Mecánica y Civil y Ambiental, Aeronáutica y Astronautica, la MIT Sloan School of Management y Nuclear and Computer Science, junto con estudiantes cruzados de la Universidad de Harvard y otras escuelas.
El curso, que está abierto a estudiantes de pregrado y posgrado, se centra en la implementación de estrategias avanzadas de aprendizaje automático y optimización en el contexto de problemas de diseño mecánico del mundo real. Desde el diseño de marcos de bicicletas hasta redes de la ciudad, los estudiantes participan en concursos relacionados con la IA para los sistemas físicos y abordan los desafíos de optimización en un entorno de clase alimentado por una competencia amigable.
Los estudiantes reciben problemas de desafío y código de inicio que «dieron una solución, pero [not] La mejor solución … «explica Ilan Moyer, un estudiante de posgrado en Meche.» Nuestra tarea era [determine]¿cómo podemos hacerlo mejor? Las tablas de clasificación en vivo alientan a los estudiantes a refinar continuamente sus métodos.
Em Lauber, un estudiante graduado de diseño y gestión de sistemas, dice que el proceso dio espacio para explorar la aplicación de lo que los estudiantes estaban aprendiendo y la habilidad de práctica de «literalmente cómo codificarlo».
El plan de estudios incorpora discusiones sobre trabajos de investigación, y los estudiantes también realizan ejercicios prácticos en aprendizaje automático adaptados a problemas de ingeniería específicos que incluyen robótica, aviones, estructuras y metamateriales. Para su proyecto final, los estudiantes trabajan juntos en un proyecto de equipo que emplea técnicas de IA para el diseño en un problema complejo de su elección.
«Es maravilloso ver los diversos proyectos de amplitud y alta calidad de la clase», dice Ahmed. «Los proyectos estudiantiles de este curso a menudo conducen a publicaciones de investigación, e incluso han llevado a premios». Cita el ejemplo de un artículo reciente, titulado «Gencad-Self-reparing», que ganó el premio al Mejor Premio al Mejor Papel de la Sociedad Americana de Ingenieros Mecánicos de Ingeniería, Información y Gestión del Conocimiento 2025.
«La mejor parte del proyecto final fue que le dio a cada estudiante la oportunidad de aplicar lo que han aprendido en la clase a un área que les interesa mucho», dice Malia Smith, una estudiante de posgrado en Meche. Su proyecto eligió «datos capturados por movimiento marcado» y analizó la predicción de la fuerza terrestre para los corredores, un esfuerzo que llamó «realmente gratificante» porque funcionó mucho mejor de lo esperado.
Lauber tomó el marco de un diseño de «árbol de gato» con diferentes módulos de postes, plataformas y rampas para crear soluciones personalizadas para hogares de gatos individuales, mientras que Moyer creó un software que está diseñando un nuevo tipo de arquitectura de impresora 3D.
«Cuando ves el aprendizaje automático en la cultura popular, es muy abstracto, y tienes la sensación de que hay algo muy complicado», dice Moyer. «Esta clase ha abierto las cortinas».
