Механічні інженери повинні імітувати, як їх продукт буде працювати в різних фізичних умовах. Однак ці моделювання можуть зайняти дні і коштувати тисячі доларів. CompLabs розробляє модель штучного інтелекту, яка може запустити їх за секунди і за незначні витрати. Why Simulation Matters Чому важлива симуляція Дизайн продукту в основному є проблемою оптимізації. І ця оптимізація спирається на ітеративне тестування та вдосконалення дизайнів на основі зворотного зв'язку.Чим швидше ви можете тестувати, тим швидше ви можете вчитися, тим швидше ви можете оптимізувати. Саме з цієї причини в 1960-х роках чисельні розчинники були популяризовані для приблизних фізичних умов реального світу. Ці алгоритми дозволили інженерам випробувати продукти в силіко, а не за допомогою дорогих і тривалих фізичних прототипів. "Але складність проектів і симуляцій продовжувала зростати, що призвело до того, що розв'язки мали експонаціонально довші терміни роботи", - говорить Чінмай Шрівастава, співзасновник і CTO в CompLabs. Крім того, ці симуляції вимагають спеціалізованої експертизи і часто тижнів сітківки (описуючи геометрію комп'ютеру), коштуючи великим організаціям сотні мільйонів на рік. Що, якби AI міг зрозуміти дизайн і фізику? Вплив мови розуміння штучного інтелекту був значним, але що, якщо штучний інтелект також міг зрозуміти дизайн і фізику Сурогатні моделі використовуються передовими інженерними командами для прискорення моделей. Вони є вузькими моделями ML, підготовленими до конкретного моделювання, що вимагають значних даних та досвіду ML. Однак вони не можуть точно моделювати нелінійну фізику, захоплювати високу вірність або підтримувати точність зі змінами в геометрії, матеріалі або фізиці. "Багато команд експериментують з сурогатними моделями, але часто інвестують значні зусилля для обмеженої прибутку.Ми надаємо їм більш швидкий, більш загальний спосіб прискорити моделювання", - говорить Ноа Еверс, співзасновник і генеральний директор CompLabs. Замість того, щоб тренувати високоспецифічні одноцільові моделі, CompLabs розробляє загальну модель AI, яка розуміє 3D-геометрії та те, як вони впливають на фізичні умови. Їх модель заздалегідь підготовлена на різноманітному корпусі 3D-геометрії та фізичних даних. Це дозволяє йому відтворювати продуктивність розв'язувача компанії після доопрацювання на попередніх симуляціях. Користувачі потім можуть запускати симуляції високої вірогідності за секунди на нових геометріях, матеріалах та фізичних умовах. Оскільки модель може інтуїтивно розуміти геометрії, немає потреби в меші. Наприклад, одна велика інженерна компанія планує використовувати модель для оцінки комбінацій матеріалів і покриттів для складних теплових компонентів, здавлюючи місяці роботи на години. Looking Forward Дивлячись вперед CompLabs зібрав $ 2,65 млн у попередньому фінансуванні від Alt Capital, Cory Levy і Joris Poort (CEO Rescale). Механічний дизайн сьогодні повільний: тижні сітківки, спрощення моделей, щоб зробити їх обчислюваними, і терміни роботи від днів до місяців. Наша мета полягає в тому, щоб витягнути механічних інженерів з листя і надати їм здібності як дизайнерам. За допомогою моделі штучного інтелекту, яка розуміє геометрію і фізику, інженери будуть описувати те, що вони хочуть - частину, яка може витримати певні навантаження, залишатися в термічних межах або зменшити тягу - і система буде генерувати оптимізовані конструкції. Дизайн стане більш цільовим, швидким і творчим.

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

Це аудіо створено мовою оригіналу історії!

Переосмислення моделювання: як CompLabs будує моделі фундаменту для механічного дизайну

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps