Neural Concept

แพลตฟอร์ม AI ที่ใช้ deep learning แทนการจำลองซ้ำ เร่งการวนรอบออกแบบวิศวกรรม

Contact for pricing Switzerland

Neural Concept มาจากโลซาน สวิตเซอร์แลนด์ ทำสิ่งที่ให้วิศวกรไม่ต้องรัน CFD หรือ finite element ที่กินเวลาหลายชั่วโมงใหม่ทุกครั้งที่เปลี่ยนดีไซน์ มันใช้ deep learning ฝึก "surrogate model" ออกมา ให้การพยากรณ์ประสิทธิภาพด้านอากาศพลศาสตร์ การถ่ายเทความร้อน และโครงสร้าง บีบจากระดับชั่วโมงเหลือระดับวินาที

จุดเด่นและสถานการณ์การใช้งาน

การวนรอบออกแบบวิศวกรรมดั้งเดิมช้ามาก เปลี่ยนรูปทรง ส่งไปจำลอง รอครึ่งวัน ดูผล เปลี่ยนใหม่ วันหนึ่งลองได้ไม่ถึงสิบทางเลือก วิธีของ Neural Concept คือเอาข้อมูลจำลองในอดีตมาฝึก neural network ที่รับรู้เรขาคณิต หลังจากนั้นเปลี่ยนดีไซน์ก็ให้โมเดลพยากรณ์ประสิทธิภาพโดยตรง วิศวกรกวาดผ่านความแปรผันเป็นร้อยแบบได้ในไม่กี่นาที เจอทิศทางที่มีแววแล้วค่อยส่งไปทำจำลองแม่นยำยืนยัน มันใช้หลัก ๆ กับอากาศพลศาสตร์ยานยนต์ การระบายความร้อนของแบตเตอรี่และอิเล็กทรอนิกส์ กลศาสตร์โครงสร้าง เป็นต้น ลูกค้าส่วนใหญ่เป็นผู้ผลิตยานยนต์และอากาศยานในยุโรป ทางการวางจุดยืนตัวเองเป็น copilot ของทีมวิศวกรรม ไม่ใช่ของทดแทนซอฟต์แวร์จำลอง

เหมาะกับฝ่ายวิจัยพัฒนาของอุตสาหกรรมการผลิตที่สั่งสมข้อมูลจำลองจำนวนมากแล้ว จุดนี้เป็นกุญแจ ไม่มีข้อมูลในอดีตก็ฝึก surrogate model ที่เชื่อถือได้ไม่ได้ ยานยนต์ อากาศยาน อุปกรณ์พลังงาน และการระบายความร้อนอิเล็กทรอนิกส์เป็นสถานการณ์แบบฉบับ โรงงานชิ้นส่วนยานยนต์และโมดูลระบายความร้อนของไทยที่มีข้อมูลจำลองหลายปี เป็นกลุ่มที่มีโอกาสประเมินได้

ฟังก์ชันหลัก

surrogate model deep learning ที่รับรู้เรขาคณิต
การพยากรณ์ประสิทธิภาพอากาศพลศาสตร์ การถ่ายเทความร้อน และโครงสร้างระดับวินาที
การสำรวจพื้นที่ดีไซน์อัตโนมัติขนาดใหญ่
การผสานกับเครื่องมือ CAD และซอฟต์แวร์จำลองที่มีอยู่
ฝึกด้วยข้อมูลจำลองในอดีต โมเดลดีขึ้นตามการสั่งสมของโปรเจกต์
โมดูลการใช้งานสำหรับอุตสาหกรรมยานยนต์ อากาศยาน พลังงาน เป็นต้น

การใช้งานทั่วไป

การปรับอากาศพลศาสตร์ของรูปทรงยานยนต์ให้เหมาะสม
การออกแบบการระบายความร้อนของโมดูลแบตเตอรี่และชิ้นส่วนกำลัง
การปรับสมดุลน้ำหนักเบากับความแข็งแรงของชิ้นส่วนโครงสร้าง
การสำรวจพื้นที่ดีไซน์ในช่วงต้นของผลิตภัณฑ์ใหม่อย่างรวดเร็ว

ฟีเจอร์เด่น

surrogate model deep learning ที่รับรู้เรขาคณิต
การพยากรณ์ประสิทธิภาพอากาศพลศาสตร์ การถ่ายเทความร้อน และโครงสร้างระดับวินาที
การสำรวจพื้นที่ดีไซน์อัตโนมัติขนาดใหญ่
การผสานกับเครื่องมือ CAD และซอฟต์แวร์จำลองที่มีอยู่
ฝึกด้วยข้อมูลจำลองในอดีต โมเดลดีขึ้นตามการสั่งสมของโปรเจกต์
โมดูลการใช้งานสำหรับอุตสาหกรรมยานยนต์ อากาศยาน พลังงาน เป็นต้น

ข้อดี

เพิ่มความเร็วการวนรอบออกแบบขึ้นหนึ่งถึงสองระดับ คุณค่าเห็นได้ตรงมาก
ไม่ทดแทนซอฟต์แวร์จำลองที่มีอยู่ แรงต้านในการนำมาใช้น้อยกว่า
ทีมมาจากสภาพแวดล้อมวิจัยชั้นนำของสวิตเซอร์แลนด์ เทคโนโลยีแน่น

ข้อเสีย

ต้องมีข้อมูลจำลองในอดีตคุณภาพสูงจำนวนมากถึงจะฝึกได้
ไม่เปิดเผยราคา เป็นโปรเจกต์ระดับองค์กร
การพยากรณ์ของ surrogate model ยังต้องจำลองแม่นยำยืนยัน ลงข้อสรุปตรง ๆ ไม่ได้

กรณีการใช้งาน

การปรับอากาศพลศาสตร์ของรูปทรงยานยนต์ให้เหมาะสม
การออกแบบการระบายความร้อนของโมดูลแบตเตอรี่และชิ้นส่วนกำลัง
การปรับสมดุลน้ำหนักเบากับความแข็งแรงของชิ้นส่วนโครงสร้าง
การสำรวจพื้นที่ดีไซน์ในช่วงต้นของผลิตภัณฑ์ใหม่อย่างรวดเร็ว

บันทึกบรรณาธิการ

การใช้ AI ในสายจำลองวิศวกรรม ผมว่าเป็นสายที่คำนวณผลตอบแทนได้ง่ายที่สุดในบรรดา AI ทุกอุตสาหกรรม เวลาที่ประหยัดคือประหยัดจริง แต่พึงระวังว่ามันกินข้อมูลจำลองสิบปีที่ผ่านมาของคุณ นั่นหมายความว่าบริษัทที่จัดการข้อมูลได้ดีเท่านั้นถึงได้รับปันผลนี้ เรื่องนี้เริ่มทำตอนนี้ก็ยังไม่สาย

คำถามที่พบบ่อย

ไม่มีข้อมูลจำลองในอดีตใช้ได้ไหม

จะยากมาก คุณภาพของ surrogate model ขึ้นกับความครอบคลุมของข้อมูลฝึกทั้งหมด เมื่อข้อมูลไม่พอมักต้องลงทุนรันจำลองชุดหนึ่งเพื่อสร้างชุดฝึกก่อน ต้นทุนล่วงหน้านี้ต้องคิดเข้าไปด้วย

ผลการพยากรณ์เอาไปสรุปดีไซน์สุดท้ายได้เลยไหม

ไม่แนะนำ การใช้ที่สมเหตุสมผลคือใช้มันคัดกรองในวงกว้าง แล้วส่งทางเลือกที่มีแววไม่กี่แบบเข้าจำลองดั้งเดิมยืนยันแม่นยำ สองอย่างเป็นการต่อไม้ผลัด ไม่ใช่การทดแทน

เครื่องมือ AI ที่เกี่ยวข้อง

實價雷達 HouseTW

เว็บไซต์ค้นหาข้อมูลราคาบ้านฟรีในไต้หวัน ที่รวมประกาศราคาซื้อขายจริง 3.49 ล้านรายการ พร้อมปักหมุดความเสี่ยงเรื่องดินเหลว รอยเลื่อน และน้ำท่วม ไว้บนแผนที่เดียวกัน

ฟรี แนะนำ Taiwan 4.6