Luminary Cloud
Melatih simulasi fizik menjadi model AI, tahu dalam sesaat sama ada reka bentuk boleh atau tidak
Luminary Cloud sedang melakukan sesuatu yang amat berani: mengubah simulasi fizik menjadi model AI. Secara tradisi, untuk mengetahui ciri aerodinamik sesuatu sayap kapal terbang, anda perlu menjalankan CFD, sekali mengambil masa beberapa jam hingga beberapa hari. Ia melatih apa yang dipanggil 'Model Fizik Besar' (Large Physics Models), menggunakan data simulasi, eksperimen dan operasi sebagai data latihan, membolehkan ramalan selesai dalam sesaat.
Ciri dan senario penggunaan
Laluan teknikalnya ialah rangkaian neural bermaklumat fizik (physics-informed neural networks), dengan data latihan merangkumi dinamik bendalir pengiraan, analisis struktur, pemindahan haba dan simulasi elektromagnet. Selepas latihan selesai, model boleh menjawab dalam tahap milisaat 'apa akan berlaku jika parameter reka bentuk ini diubah'.
Perubahan yang dibawanya bukan sekadar pantas. Apabila penilaian tunggal turun daripada beberapa jam kepada sesaat, skala penerokaan reka bentuk menjadi berbeza sama sekali — asalnya hanya boleh mencuba sepuluh pilihan, kini boleh mengimbas seluruh ruang reka bentuk. Pihak rasmi menggelarnya 'memasuki ruang reka bentuk yang lebih besar dengan kos sut yang amat rendah'.
Keupayaan lain termasuk data operasi terus memberi maklum balas untuk menambah baik model, sokongan pelbagai medan fizik, pelaksanaan pengeluaran yang berintegrasi dengan aliran kerja CAD/CAE, tadbir urus model dan kebolehjejakan hujung ke hujung, serta API dan SDK yang boleh dibenamkan ke dalam alat kejuruteraan sedia ada.
Pengguna termasuk Joby Aviation, Northrop Grumman, Otto Aviation, Honda dan Natilus, tertumpu pada aeroangkasa, automotif, pertahanan dan pembuatan elektronik.
Satu perkara yang perlu dijaga kewarasan: ketepatan model pengganti (surrogate model) hanya boleh dipercayai dalam julat yang diliputi data latihan. Ramalan ekstrapolasi di luar julat akan tersilap, dan ia tidak akan memberitahu anda bahawa ia sedang meneka. Oleh itu 'tadbir urus model dan kebolehjejakan' bukan istilah pemasaran, tetapi mekanisme keselamatan yang diperlukan.
Ciri Utama
- Melatih model fizik besar dengan data simulasi, eksperimen dan operasi
- Menyelesaikan ramalan tingkah laku reka bentuk dalam milisaat hingga sesaat
- Menyokong pelbagai medan fizik bendalir, struktur, pemindahan haba dan elektromagnet
- Data operasi terus memberi maklum balas untuk menambah baik model
- Tadbir urus model dan kebolehjejakan hujung ke hujung
- API dan SDK dibenamkan ke dalam aliran kerja CAD/CAE sedia ada
Kelebihan
- Menaikkan skala penerokaan reka bentuk daripada beberapa puluh pilihan kepada seluruh ruang reka bentuk
- Ada sokongan pengguna berpengaruh seperti Joby dan Northrop Grumman
- Mementingkan tadbir urus model dan kebolehjejakan, mematuhi keperluan pengesahan aeroangkasa dan pertahanan
Kekurangan
- Ramalan ekstrapolasi model pengganti di luar julat latihan tidak boleh dipercayai, perlu menetapkan skop kegunaan dengan ketat
- Memerlukan sejumlah besar data simulasi berkualiti tinggi untuk dilatih, ambangnya tinggi
- Harga tidak didedahkan, tergolong sebagai pembelian perisian kejuruteraan bertaraf tinggi
Kes Penggunaan
- Penilaian pantas ciri aerodinamik bentuk aeroangkasa
- Imbasan ruang reka bentuk pelesapan haba dan rintangan angin automotif
- Penerokaan reka bentuk pengurusan haba produk elektronik
- Mengubah aset simulasi sedia ada menjadi model yang boleh disoal secara masa nyata
Nota Editor
'Mengubah simulasi menjadi model' ialah hala tuju paling berimaginasi yang saya lihat dalam perisian kejuruteraan dua tahun ini — ia mengubah penerokaan reka bentuk berskala besar yang dahulunya hanya mampu dimainkan syarikat besar menjadi sesuatu yang boleh dijalankan pada satu mesin sahaja. Tetapi penyakit lama model pengganti masih ada: ia akan bercakap salah dengan penuh yakin di tempat yang anda tidak pernah ajar. Menggunakannya untuk penapisan sangat baik, tetapi menggunakannya untuk membuat kesimpulan akhir tidak boleh.
Soalan Lazim
Bolehkah ramalan AI menggantikan pengesahan CFD rasmi?
Tidak boleh. Ia sesuai untuk peringkat konsep dan penerokaan — pantas membuang pilihan yang jelas tidak boleh dilaksanakan. Reka bentuk akhir masih perlu menjalankan simulasi rasmi dan pengesahan ujian fizikal. Menganggap model pengganti sebagai penapis dan bukan kesimpulan ialah kegunaan yang betul.
Bolehkah syarikat tanpa sejumlah besar data simulasi menggunakannya?
Ambangnya memang tinggi. Kaedah sebegini memerlukan aset simulasi sedia ada berskala agak besar sebagai data latihan. Jika syarikat anda pada masa lalu tidak mengumpul keputusan simulasi secara bersistem, langkah pertama yang patut dilakukan ialah membina pengurusan data, dan bukan membeli AI 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