Godela
Enjin fizik AI: memampatkan simulasi yang mengambil beberapa hari kepada beberapa saat
Godela ialah syarikat lepasan kelompok musim bunga Y Combinator 2025 (X25) yang membina enjin fizik AI, dengan matlamat menggantikan simulasi dan prototaip fizikal yang lambat dan mahal dalam kerja harian jurutera.
Ciri dan senario penggunaan
Caranya ialah mempelajari hukum fizik daripada data simulasi dan membina model terkekang fizik (physics-constrained models); pihak rasmi mendakwa ia boleh memberikan hasil dalam beberapa saat dengan ketepatan setaraf penyelesai, dan bukannya beberapa hari secara tradisional. Jurutera boleh menanyakan soalan hipotesis menggunakan bahasa tabii, dan juga memuat naik fail CAD atau data eksperimen supaya sistem boleh mengoptimumkan konfigurasi secara automatik merentas pelbagai parameter. Senario aplikasinya merangkumi pengoptimuman penyejukan pusat data, simulasi haba produk elektronik, ramalan reka bentuk aerodinamik, reka bentuk medan elektromagnet dan analisis tegasan struktur. Aliran kerjanya ialah memuat naik data simulasi, melatih model AI, meneroka variasi reka bentuk dan mengoptimumkan konfigurasi. Pasukannya terdiri daripada ahli fizik dan penyelidik pembelajaran mesin berlatar belakang Stanford dan MIT, dengan pengasas bersama masing-masing berasal daripada Apple, Google serta Harvard dan Intel; syarikat terletak di San Francisco dan kini kira-kira 10 orang.
Sesuai untuk jurutera dan pasukan R&D dalam bidang pengurusan haba, elektronik, aerodinamik, elektromagnet dan reka bentuk struktur. Harga tidak didedahkan; laman rasmi membuka permohonan pilot (Request a Pilot) melalui Calendly.
Ciri utama
- Model terkekang yang mempelajari hukum fizik daripada data simulasi
- Ketepatan setaraf penyelesai, tindak balas dalam beberapa saat
- Menanyakan senario hipotesis menggunakan bahasa tabii
- Memuat naik fail CAD atau data eksperimen untuk pemodelan
- Pengoptimuman konfigurasi automatik merentas pelbagai parameter
- Merangkumi pelbagai bidang fizik: haba, bendalir, elektromagnet dan struktur
Kegunaan lazim
- Perbandingan pantas susun atur rak dan penyelesaian penyejukan pusat data
- Simulasi haba produk elektronik dalam pelbagai keadaan operasi
- Imbasan parameter reka bentuk bentuk aerodinamik
- Ramalan tegasan komponen struktur di bawah pelbagai beban
Ciri Utama
- Model terkekang yang mempelajari hukum fizik daripada data simulasi
- Ketepatan setaraf penyelesai, tindak balas dalam beberapa saat
- Menanyakan senario hipotesis menggunakan bahasa tabii
- Memuat naik fail CAD atau data eksperimen untuk pemodelan
- Pengoptimuman konfigurasi automatik merentas pelbagai parameter
- Merangkumi pelbagai bidang fizik: haba, bendalir, elektromagnet dan struktur
Kelebihan
- Menyasar masa menunggu simulasi CAE yang paling menyakitkan; cadangan nilainya sangat langsung
- Latar belakang pasukan yang kukuh, menggabungkan fizik dan pembelajaran mesin
- Boleh meneroka ruang reka bentuk menggunakan bahasa tabii, menurunkan halangan penggunaan alat simulasi
Kekurangan
- Masih pada peringkat awal (pasukan kira-kira 10 orang); kematangan persekitaran pengeluaran perlu disahkan
- Memerlukan data simulasi sedia ada untuk melatih; halangan mula sejuk yang tinggi
- Dakwaan ketepatan perlu diuji secara sebenar pada kes sendiri, tidak boleh dipercayai sepenuhnya
Kes Penggunaan
- Perbandingan pantas susun atur rak dan penyelesaian penyejukan pusat data
- Simulasi haba produk elektronik dalam pelbagai keadaan operasi
- Imbasan parameter reka bentuk bentuk aerodinamik
- Ramalan tegasan komponen struktur di bawah pelbagai beban
Nota Editor
Kawan-kawan saya dalam industri semikonduktor dan modul penyejukan bercahaya matanya apabila mendengar simulasi daripada beberapa hari kepada beberapa saat — kitaran reka bentuk industri ini memang ditunggu oleh penyelesai. Tetapi saya perlu memberi sedikit peringatan: model sebegini pakar interpolasi tetapi lemah ekstrapolasi, dan bagi keadaan operasi yang tidak dilitupi data latihan, ia tetap akan memberikan jawapan salah yang kelihatan meyakinkan. Digunakan sebagai alat saringan amat baik, tetapi digunakan sebagai pengesahan akhir amat berbahaya.
Soalan Lazim
Bolehkah ia menggantikan penyelesai CAE tradisional sepenuhnya?
Pada peringkat ini tidak boleh. Kedudukannya ialah meneroka banyak penyelesaian dengan pantas pada peringkat awal reka bentuk, dan menapis beberapa pilihan yang berpotensi; pengesahan akhir masih patut kembali kepada penyelesai tradisional. Pembahagian tugas saring pantas dan pengesahan tepat inilah penggunaan yang praktikal.
Apa data yang perlu disediakan?
Memerlukan data simulasi atau data eksperimen sedia ada untuk melatih model. Inilah halangannya — jika syarikat tidak pernah mengumpul hasil simulasi berstruktur pada masa lalu, mula sejuk akan menjadi lebih sukar.
Bolehkah industri pembuatan Malaysia menggunakannya?
Boleh, dan potensi nilainya tidak kecil. Industri pembuatan kontrak elektronik dan modul penyejukan Malaysia mempunyai permintaan simulasi haba yang padat, dan faedah memampatkan kitaran reka bentuk sangat langsung. Tetapi ia masih pada peringkat permohonan pilot, jadi dicadangkan memerhati dahulu.
Alat AI Berkaitan
Claude
Pembantu AI daripada Anthropic yang mahir dalam teks panjang dan perbualan selamat.
AtScale
Lapisan semantik universal jenama lama, membolehkan BI dan AI berkongsi definisi metrik yang sama
Promethium
Lapisan data perusahaan yang menanya terus merentas sistem, membolehkan ejen AI mendapat jawapan berkonteks
bitdrift
Kebolehcerapan masa nyata untuk aplikasi mudah alih, log disimpan dahulu pada peranti dan hanya diambil apabila perlu
Supermemory
Lapisan memori untuk ejen AI, menyimpan pilihan dan pengetahuan pengguna sebagai graf yang boleh dicari
Chatterbox
TTS sumber terbuka berlesen MIT, ujian buta menunjukkan 65% orang rasa lebih sedap didengar daripada ElevenLabs