Los ingenieros mecánicos necesitan simular cómo funcionará su producto en diferentes condiciones físicas. Sin embargo, estas simulaciones pueden tardar días en funcionar y costar miles de dólares. CompLabs está desarrollando un modelo de IA que puede ejecutarlos en segundos y a un coste insignificante.
Why Simulation Matters
Por qué es importante la simulaciónDiseñar un producto es fundamentalmente un problema de optimización y esta optimización se basa en probar y mejorar de forma iterativa los diseños basados en los comentarios.Cuanto más rápido puedas probar, más rápido puedes aprender, más rápido puedes optimizar.
Es por esta razón que en la década de 1960, los solventes numéricos se popularizaron para aproximar las condiciones físicas del mundo real.Estos algoritmos permitieron a los ingenieros probar productos en silicio, en lugar de a través de costosos y demorados prototipos físicos.
“Pero la complejidad de los diseños y simulaciones siguió aumentando, causando que los solventes tengan tiempos de ejecución exponencialmente más largos”, dice Chinmay Shrivastava, cofundador y CTO de CompLabs.
Además, estas simulaciones requieren experiencia especializada y a menudo semanas de meshing (describiendo la geometría a la computadora), costando a las grandes organizaciones cientos de millones al año.
¿Y si la IA pudiera entender los diseños y la física?
El impacto de la comprensión del lenguaje de la IA ha sido significativo, pero qué pasa si la IA también podía entender diseños y física
Los modelos de sustitución están siendo utilizados por equipos de ingeniería avanzados para acelerar las simulaciones. Son modelos ML estrechos entrenados en una simulación específica, que requieren datos significativos y experiencia ML. Sin embargo, no pueden modelar con precisión la física no lineal, capturar alta fidelidad o mantener la precisión con cambios en la geometría, el material o la física.
“Muchos equipos experimentan con modelos de sustituto, pero a menudo invierten esfuerzos significativos para un retorno limitado.Estamos proporcionándoles una forma más rápida y generalizada de acelerar las simulaciones”, dice Noah Evers, cofundador y CEO de CompLabs.
En lugar de entrenar modelos de propósito único altamente específicos, CompLabs está desarrollando un modelo de IA general que entiende las geometrías 3D y cómo son afectados por las condiciones físicas.
Su modelo está pre-entrenado en un corpus diverso de geometrías 3D y datos de física. Esto le permite replicar el rendimiento del solvente de una empresa después de finalizar en las simulaciones anteriores. Los usuarios pueden luego ejecutar simulaciones de alta fidelidad en segundos en nuevas geometrías, materiales y condiciones físicas. Debido a que el modelo puede entender intuitivamente las geometrías, no hay necesidad de meshing.
Por ejemplo, una gran empresa de ingeniería está planeando utilizar el modelo para evaluar combinaciones de materiales y revestimientos para componentes térmicos complejos, comprimiendo meses de trabajo en horas.
Looking Forward
Mirando hacia adelanteCompLabs ha recaudado 2.65 millones de dólares en financiación previa a la semilla de Alt Capital, Cory Levy y Joris Poort (CEO de Rescale).El equipo ahora trabaja con líderes de ingeniería en todo el sector aeroespacial, automovilístico y de materiales para acelerar sus simulaciones complejas.
El diseño mecánico hoy en día es lento: semanas de meshing, simplificando los modelos para hacerlos computacionalmente tractibles, y tiempos de ejecución de días a meses.
Nuestro objetivo es sacar a los ingenieros mecánicos de las heridas y empoderarlos como diseñadores.
Con un modelo de IA que entiende la geometría y la física, los ingenieros describirán lo que quieren, una parte que pueda soportar ciertas cargas, permanecer dentro de los límites térmicos o reducir la tracción, y el sistema generará diseños optimizados.
El diseño se hará más objetivo-orientado, rápido y creativo.
