Mechanische ingenieurs moeten simuleren hoe hun product zal presteren onder verschillende fysieke omstandigheden. Deze simulaties kunnen echter dagen duren om te draaien en duizenden dollars kosten. CompLabs ontwikkelt een AI-model dat ze in seconden en tegen verwaarloosbare kosten kan draaien. Why Simulation Matters Waarom simulatie belangrijk is Het ontwerpen van een product is in wezen een optimalisatieprobleem en deze optimalisatie is gebaseerd op iteratief testen en het verbeteren van ontwerpen op basis van feedback. Het was om deze reden dat in de jaren zestig numerieke oplosmiddelen werden gepopulariseerd om de fysieke omstandigheden van de echte wereld te benaderen.Deze algoritmen lieten ingenieurs in staat om producten te testen in silicium, in plaats van door middel van dure en tijdrovende fysieke prototypen. “Maar de complexiteit van ontwerpen en simulaties bleef toenemen, waardoor de solvers exponentieel langer duren,” zegt Chinmay Shrivastava, medeoprichter en CTO bij CompLabs. Bovendien vereisen deze simulaties gespecialiseerde expertise en vaak weken van meshing (het beschrijven van de geometrie aan de computer), die grote organisaties honderden miljoenen per jaar kosten. Wat als AI ontwerpen en natuurkunde kon begrijpen? De impact van het begrijpen van AI-taal is significant geweest, maar wat als AI ook ontwerpen en natuurkunde kon begrijpen? Surrogate modellen worden gebruikt door geavanceerde engineering teams om simulaties te versnellen. Ze zijn smalle ML modellen getraind op een specifieke simulatie, vereisen aanzienlijke gegevens en ML expertise. "Veel teams experimenteren met surrogaatmodellen, maar investeren vaak aanzienlijke inspanningen voor beperkt rendement.We bieden hen een snellere, meer algemene manier om simulaties te versnellen," zegt Noah Evers, medeoprichter en CEO van CompLabs. In plaats van zeer specifieke single-purpose modellen te trainen, ontwikkelt CompLabs een algemeen AI-model dat 3D-geometrieën begrijpt en hoe ze worden beïnvloed door fysieke omstandigheden. Hun model is vooraf getraind op een gevarieerd corpus van 3D-geometrieën en fysische gegevens. Dit stelt het in staat om de prestaties van een solver van een bedrijf te repliceren na finetuning op eerdere simulatielopen. Gebruikers kunnen vervolgens high-fidelity-simulaties in seconden uitvoeren op nieuwe geometrieën, materialen en fysieke omstandigheden. Omdat het model intuïtief geometrieën kan begrijpen, is er geen behoefte aan meshing. Een groot engineeringbedrijf is bijvoorbeeld van plan om het model te gebruiken om materiaal- en coatingcombinaties voor complexe thermische componenten te evalueren, waarbij maanden van werk in uren worden gecomprimeerd. Looking Forward Kijken vooruit CompLabs heeft $ 2,65 miljoen in pre-seedfinanciering opgehaald van Alt Capital, Cory Levy en Joris Poort (CEO van Rescale). Mechanisch ontwerp vandaag de dag is traag: weken van meshening, het vereenvoudigen van modellen om ze computationeel traceerbaar te maken, en runtimes van dagen tot maanden. Ons doel is om mechanische ingenieurs uit de onkruid te halen en hen als ontwerpers te versterken. Met een AI-model dat geometrie en natuurkunde begrijpt, zullen ingenieurs beschrijven wat ze willen - een onderdeel dat bepaalde belastingen kan weerstaan, binnen thermische limieten kan blijven of trekking kan verminderen - en het systeem zal geoptimaliseerde ontwerpen genereren. Het ontwerp wordt doelgerichter, sneller en creatiever.

This story contains new, firsthand information uncovered by the writer.

Deze audio wordt geproduceerd in de originele taal van het verhaal!

Re-thinking simulatie: hoe CompLabs bouwt basismodellen voor mechanisch ontwerp

About Author

OPMERKINGEN

LABELS

DIT ARTIKEL WERD GEPRESENTEERD IN

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps