Inxhinierët mekanikë duhet të simulojnë se si produkti i tyre do të punojë në kushte të ndryshme fizike. megjithatë, këto simulime mund të marrin ditë për të drejtuar dhe të kushtojnë mijëra dollarë.
Why Simulation Matters
Pse Simulimi ka rëndësiDizajnimi i një produkti është në thelb një problem optimizimi dhe kjo optimizim mbështetet në testimin dhe përmirësimin iterativ të projekteve bazuar në reagimet.Sa më shpejt që mund të testoni, aq më shpejt mund të mësoni, aq më shpejt mund të optimizoni.
Ishte për këtë arsye që në vitet 1960, zgjidhësit numerike u popullarizuan për të përafërsisht kushtet fizike të botës reale. Këto algoritme mundësuan inxhinierët të testonin produktet në siliko, në vend se nëpërmjet prototipave fizikë të kushtueshëm dhe të kohës.
“Por kompleksiteti i projekteve dhe simulimeve vazhdoi të rritet, duke shkaktuar që zgjidhësit të kenë kohëzgjatje eksponencialisht më të gjatë”, thotë Chinmay Shrivastava, bashkëthemelues dhe CTO në CompLabs.
Për më tepër, këto simulime kërkojnë ekspertizë të specializuar dhe shpesh javë të meshimit (për të përshkruar gjeometrinë në kompjuter), duke kushtuar organizatat e mëdha qindra miliona në vit.
Po sikur AI të kuptonte dizajnin dhe fizikën?
Ndikimi i kuptimit të gjuhës së AI ka qenë i rëndësishëm, por çfarë nëse AI mund të kuptojë edhe dizajne dhe fizikë
Modelet zëvendësuese janë duke u përdorur nga ekipet e avancuara inxhinierike për të përshpejtuar simulimet.Ata janë modele të ngushta ML të trajnuar në një simulim të veçantë, që kërkojnë të dhëna të konsiderueshme dhe ekspertizë ML. Megjithatë, ata nuk mund të modelojnë me saktësi fizikën jo-lineare, të kapin besnikëri të lartë, ose të ruajnë saktësinë me ndryshime në gjeometri, material ose fizikë.
“Shumë ekipe eksperimentojnë me modele zëvendësuese, por shpesh investojnë përpjekje të konsiderueshme për kthim të kufizuar.Ne po u ofrojmë atyre një mënyrë më të shpejtë, më të përgjithshme për të përshpejtuar simulimet”, thotë Noah Evers, bashkëthemelues dhe CEO në CompLabs.
Në vend të trajnimit të modeleve shumë specifike me një qëllim të vetëm, CompLabs po zhvillon një model të përgjithshëm të AI që kupton gjeometritë 3D dhe se si ato ndikohen nga kushtet fizike.
Modeli i tyre është i trajnuar paraprakisht në një korpus të ndryshëm të gjeometrisë 3D dhe të dhënave fizike. Kjo i mundëson atij të riprodhojë performancën e zgjidhësit të një kompanie pas finetuning në simulimet e mëparshme. Përdoruesit pastaj mund të drejtojnë simulime me besnikëri të lartë në sekonda në gjeometritë e reja, materialet dhe kushtet fizike. Sepse modeli mund të kuptojë intuitivisht gjeometritë, nuk ka nevojë për mesh.
Për shembull, një kompani e madhe inxhinierike po planifikon të përdorë modelin për të vlerësuar kombinimet e materialeve dhe veshjeve për komponentët termikë kompleksë, duke kompresuar muajt e punës në orë.
Looking Forward
Duke shikuar përparaCompLabs ka mbledhur $ 2.65M në para-financim nga Alt Capital, Cory Levy dhe Joris Poort (CEO i Rescale). Ekipi tani po punon me udhëheqësit e inxhinierisë në të gjithë hapësirën ajrore, automobilave dhe materialeve për të përshpejtuar simulimet e tyre komplekse.
Dizajni mekanik sot është i ngadalshëm: javët e meshimit, thjeshtimi i modeleve për t'i bërë ato të trajtueshme kompjuterikisht, dhe kohët e punës prej ditësh deri në muaj.
Qëllimi ynë është që të nxjerrim inxhinierët mekanikë nga plehrat dhe t’i fuqizojmë ata si projektues.
Me një model AI që kupton gjeometrinë dhe fizikën, inxhinierët do të përshkruajnë atë që duan - një pjesë që mund të përballojë ngarkesa të caktuara, të qëndrojë brenda kufijve termikë, ose të zvogëlojë tërheqjen - dhe sistemi do të gjenerojë dizajne të optimizuara.
Dizajni do të bëhet më objektiv, i shpejtë dhe kreativ.