Luminary Cloud

ฝึกการจำลองฟิสิกส์ให้เป็นโมเดล AI รู้ภายในหนึ่งวินาทีว่าดีไซน์ใช้ได้ไหม

Contact for pricing United States

Luminary Cloud กำลังทำสิ่งที่ทะเยอทะยานมาก เปลี่ยนการจำลองฟิสิกส์ให้เป็นโมเดล AI ดั้งเดิมแล้วการจะรู้คุณสมบัติอากาศพลศาสตร์ของปีกเครื่องบินหนึ่งอัน ต้องรัน CFD ครั้งหนึ่งกินเวลาหลายชั่วโมงถึงหลายวัน มันฝึกสิ่งที่เรียกว่า "Large Physics Models" ใช้ข้อมูลจำลอง การทดลอง และการปฏิบัติงานเป็นข้อมูลฝึก ทำให้การพยากรณ์เสร็จภายในหนึ่งวินาที

จุดเด่นและสถานการณ์การใช้งาน

เส้นทางเทคนิคคือ physics-informed neural networks ข้อมูลฝึกครอบคลุมพลศาสตร์ของไหลเชิงคำนวณ การวิเคราะห์โครงสร้าง การถ่ายเทความร้อน และการจำลองแม่เหล็กไฟฟ้า เมื่อฝึกเสร็จ โมเดลตอบได้ในระดับมิลลิวินาทีว่า "เปลี่ยนพารามิเตอร์ดีไซน์นี้แล้วจะเป็นอย่างไร"

การเปลี่ยนแปลงที่มันนำมาไม่ใช่แค่เร็วขึ้น เมื่อการประเมินครั้งเดียวลดจากหลายชั่วโมงเหลือหนึ่งวินาที ขนาดของการสำรวจดีไซน์ก็ต่างกันโดยสิ้นเชิง เดิมลองได้แค่สิบทางเลือก ตอนนี้กวาดทั่วทั้งพื้นที่ดีไซน์ได้ ทางการเรียกสิ่งนี้ว่า "เข้าสู่พื้นที่ดีไซน์ที่ใหญ่ขึ้นด้วยต้นทุนส่วนเพิ่มที่ต่ำมาก"

ความสามารถอื่นรวมถึงข้อมูลการปฏิบัติงานป้อนกลับปรับปรุงโมเดลต่อเนื่อง การรองรับหลายสนามฟิสิกส์ การติดตั้ง production ที่ผสานกับ workflow CAD/CAE การกำกับดูแลโมเดลและการตามรอยได้ตั้งแต่ต้นจนจบ ตลอดจน API และ SDK ฝังเข้าเครื่องมือวิศวกรรมที่มีอยู่

ผู้ใช้รวมถึง Joby Aviation, Northrop Grumman, Otto Aviation, Honda และ Natilus กระจุกอยู่ในอากาศยาน ยานยนต์ การป้องกันประเทศ และการผลิตอิเล็กทรอนิกส์

จุดที่ต้องตั้งสติคือ ความแม่นยำของ surrogate model เชื่อถือได้เฉพาะในช่วงที่ข้อมูลฝึกครอบคลุม การพยากรณ์นอกช่วงจะผิด และมันจะไม่บอกว่ากำลังเดา ดังนั้น "การกำกับดูแลโมเดลและการตามรอยได้" ไม่ใช่คำการตลาด แต่คือกลไกความปลอดภัยที่จำเป็น

ฟีเจอร์เด่น

ฝึก Large Physics Models ด้วยข้อมูลจำลอง การทดลอง และการปฏิบัติงาน
พยากรณ์พฤติกรรมดีไซน์ภายในมิลลิวินาทีถึงหนึ่งวินาที
รองรับหลายสนามฟิสิกส์ ทั้งของไหล โครงสร้าง การถ่ายเทความร้อน และแม่เหล็กไฟฟ้า
ข้อมูลการปฏิบัติงานป้อนกลับปรับปรุงโมเดลต่อเนื่อง
การกำกับดูแลโมเดลและการตามรอยได้ตั้งแต่ต้นจนจบ
API และ SDK ฝังเข้า workflow CAD/CAE ที่มีอยู่

ข้อดี

ขยายขนาดการสำรวจดีไซน์จากไม่กี่สิบทางเลือกไปสู่ทั้งพื้นที่ดีไซน์
มีผู้ใช้ระดับหนักอย่าง Joby, Northrop Grumman หนุนหลัง
ให้ความสำคัญกับการกำกับดูแลโมเดลและการตามรอยได้ สอดคล้องข้อกำหนดการตรวจสอบของอากาศยานและการป้องกันประเทศ

ข้อเสีย

การพยากรณ์นอกช่วงฝึกของ surrogate model เชื่อถือไม่ได้ ต้องกำหนดขอบเขตการใช้งานอย่างเข้มงวด
ต้องมีข้อมูลจำลองคุณภาพสูงจำนวนมากถึงจะฝึกได้ เกณฑ์สูง
ไม่เปิดเผยราคา เป็นการจัดซื้อซอฟต์แวร์วิศวกรรมระดับสูง

กรณีการใช้งาน

การประเมินคุณสมบัติอากาศพลศาสตร์ของรูปทรงอากาศยานอย่างรวดเร็ว
การกวาดพื้นที่ดีไซน์ระบายความร้อนและแรงต้านอากาศของยานยนต์
การสำรวจดีไซน์การจัดการความร้อนของผลิตภัณฑ์อิเล็กทรอนิกส์
การแปลงสินทรัพย์การจำลองที่มีอยู่เป็นโมเดลที่ค้นได้แบบเรียลไทม์

บันทึกบรรณาธิการ

"เปลี่ยนการจำลองให้เป็นโมเดล" คือทิศทางที่มีจินตนาการที่สุดที่ผมเห็นในซอฟต์แวร์วิศวกรรมช่วงสองปีมานี้ มันเปลี่ยนการสำรวจดีไซน์ขนาดใหญ่ที่เดิมมีแต่บริษัทใหญ่เล่นไหว ให้กลายเป็นสิ่งที่รันบนเครื่องเดียวได้ แต่โรคเรื้อรังของ surrogate model ก็ยังอยู่ มันจะพูดผิดอย่างมั่นใจในที่ที่คุณไม่เคยสอน ใช้มันคัดกรองดี ใช้มันลงข้อสรุปสุดท้ายไม่ได้

คำถามที่พบบ่อย

การพยากรณ์ของ AI ทดแทนการตรวจสอบ CFD อย่างเป็นทางการได้ไหม

ไม่ได้ มันเหมาะกับขั้นแนวคิดและการสำรวจ ตัดทางเลือกที่ไม่เข้าท่าออกอย่างรวดเร็ว ดีไซน์สุดท้ายยังต้องรันการจำลองอย่างเป็นทางการและทดสอบทางกายภาพยืนยัน ใช้ surrogate model เป็นตัวคัดกรองไม่ใช่ข้อสรุป คือการใช้ที่ถูกต้อง

บริษัทที่ไม่มีข้อมูลจำลองจำนวนมากใช้ได้ไหม

เกณฑ์สูงจริง วิธีการประเภทนี้ต้องมีสินทรัพย์การจำลองที่มีอยู่ในระดับพอสมควรเป็นข้อมูลฝึก ถ้าบริษัทคุณในอดีตไม่ได้สั่งสมผลการจำลองอย่างเป็นระบบ ขั้นแรกที่ควรทำคือสร้างการจัดการข้อมูล ไม่ใช่รีบซื้อ AI ก่อน