Osnovne tehnologije tvrtke

Dizajn i simulacija sustava

Ovo područje istraživanja usredotočuje se na modeliranje sustava i komponenti, dizajn i simulaciju multi-fizike pomoću AI. Bavi se CAD/CAM lancem i digitalnim blizancima za testiranje vizualizacije, provjeru i optimizaciju u proizvodnji, robotici i energetskoj infrastrukturi.

Istražite publikacije

Što ako bismo mogli dizajnirati, testirati i poboljšati automatizaciju, proizvodnju i energetsku infrastrukturu prije nego što su uopće izgrađene?

Tradicionalni inženjerski ciklusi uvelike se oslanjaju na fizičko izradu prototipa, što dovodi do skupih iteracija, produženog vremena za stavljanje na tržište i nepredviđenih operativnih uskih grla. Moderno industrijsko inženjerstvo zahtijeva prelazak izvan statičkih CAD modela prema dinamičkim okruženjima simulacije s više domena. Kombinacijom računarstva visokih performansi, telemetrije u stvarnom vremenu i prostorne vizualizacije, složene industrijske arhitekture mogu se strogo potvrditi tijekom cijelog životnog ciklusa prije fizičkog puštanja u rad.

Ono što je važno su simulacija, digitalni blizanci i mogućnosti industrijskog metaverzuma za brži, sigurniji i održiviji inženjering.

Podijeljena slika koja prikazuje šareni apstraktni 3D spiralni dizajn i ženu koja nosi VR slušalice i drži kontrolere pokreta

Istraživač sjedi za stolom, promišljeno radi na prijenosnom računalu

Dizajn i simulacija sustava pokriva geometrijsko, mehaničko i funkcionalno modeliranje (CAD/CAM) s tijekovima rada poboljšanim AI i generativnim dizajnom. Uključuje dizajn proizvodnje, virtualno puštanje u rad, kao i (više) fiziku, sustav, realno vrijeme i ko-simulaciju. Također istražujemo simulaciju za obuku fizičke AI i sintetičke generacije podataka.

Naše istraživanje se bavi validacijom, provjerom, suradnjom u dizajnu, AR/VR vizualizacijom i upravljanjem životnim ciklusom/digitalnim blizancima. Osim toga, obuhvaća inženjering automatizacije, električno modeliranje i dizajn distribuiranih energetskih sustava pomoću multimodalne simulacije, modeliranja nesigurnosti, tehno-ekonomske optimizacije i agentičkih tijekova rada.

Za ovo Osnovna tehnologija tvrtke, istražujemo aplikacije koje pokrivaju poboljšanje dizajna, simulacije i PLM alata uz simulacije, podatke, modele i digitalne dvostruke platforme za upravljanje. Ključna područja uključuju vizualizaciju, suradnju (npr. Digital Twin Composer), automatizirano stvaranje 3D sadržaja i alate za održivost za ugljični otisak proizvoda, kružnost i analizu životnog ciklusa s digitalnim blizancem.

Daljnje teme su dizajn proizvoda i proizvodnje poboljšan simulacijom, virtualno puštanje u rad, training CAD/CAM modela temelja, dizajn multimodalnog energetskog sustava i razvoj imovine za energetske sustave. Konačno, naše istraživanje bavi se blizancima životnog ciklusa i energije, kružnim aspektima proizvodnje, sinkronizacijom sa stvarnim industrijskim sustavima i autonomnim inženjeringom.

Publikacije

Istražite naše istaknute radove

SceneGenAgent: Precizna generacija industrijske scene s sredstvom za kodiranje

Objavljeno u: 2025. Zbornik radova sa 63. godišnjeg sastanka Udruge za računarsku lingvistiku (svezak 1: Dugi radovi), stranice 17847—17875, Beč, Austrija
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Generiranje 3D industrijskih scena pomoću LLM-ova izazov je zbog strogih zahtjeva za preciznim mjerenjima i prostornim planiranjem. Da bi to riješili, autori predstavljaju SceneGenAgent, LLM agent koji generira industrijske scene putem C # koda. Koristi strukturirano planiranje izgleda, provjeru i iterativno usavršavanje kako bi zadovoljio točne kvantitativne potrebe, povećavajući stope uspjeha LLM-a do 81.0%. Osim toga, autori objavljuju SceneInstruct, skup podataka za fino podešavanje LLM-ova otvorenog koda poput Llama3.1-70B kako bi pristupili performansama GPT-4o unutar okvira. Kod i podaci su javno dostupni.
Pogledaj na stranici izdavača

SiPhyR: Okvir optimizacije temeljen na učenju od kraja do kraja za dinamičku rekonfiguraciju mreže

Objavljeno u: IEEE transakcije na pametnoj mreži (Svezak: 16, Broj: 2, ožujak 2025.)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

Rastući obnovljivi izvori energije, skladišta i električna vozila zahtijevaju brže paradigme odlučivanja o distribucijskim mrežama. Ovaj rad predlaže SiPhyR, okvir strojnog učenja temeljen na fizici za optimizaciju rekonfiguracije mreže temeljenu na učenju od kraja do kraja. SiPhyR optimizira topologiju i protoke energije kako bi smanjio gubitke linija, poboljšao profile napona i pojačao obnovljivu integraciju. Za rukovanje NP-tvrdim binarnim varijablama odlučivanja koristi metodu zaokruživanja temeljenu na fizici unutar diferencijalnog okvira. To omogućuje SiPhyR-u da istovremeno optimizira topologiju mreže i otpremu uz zadovoljavanje sigurnosnih kritičnih ograničenja, kao što je prikazano na tri kanonske mreže.
Pogledaj na stranici izdavača

Korištenje fleksibilnosti potrošača za ublažavanje zagušenja mreže u budućim distribucijskim mrežama

Objavljeno u: Energije 2024
Tomaselli D., Most D. i sur.

Sve veće usvajanje fotonaponskih (PV) sustava iza brojila (BTM), električnih vozila (EV) i toplinskih pumpi uzrokuje zagušenje distribucijske mreže. Ovaj rad procjenjuje fleksibilnost BTM-a koristeći novi okvir koji kombinira optimalni protok energije u horizontu s dijelom linearne funkcije troškova kako bi se riješio ovaj problem bez skupih nadogradnji. Kada su testirani na mrežnom modelu Schutterwalda u Njemačkoj, rezultati su pokazali da je pohrana BTM za samostalnu potrošnju riješila sva kršenja napajanja, ali samo 35% kršenja opterećenja. Međutim, proaktivno kontroliranje punjenja i pražnjenja skladišta učinkovito rješava preostala kršenja opterećenja, čak i u gotovo zasićenim mrežama.
Pogledaj na stranici izdavača

Neuronske diferencijalne jednadžbe s integriranom kontrolom za modeliranje kemijskih procesa

Objavljeno u: 2025. IEEE 32. Međunarodna konferencija o radionici računarstva, podataka i analitike visokih performansi (HiPCW)
Sumeet Rodiya, Ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Neuronske diferencijalne jednadžbe moćne su za simulaciju kemijskih procesa, ali njihova primjena na kontrolirane kemijske procese ostaje relativno neistražena. Ovaj rad procjenjuje neuronske obične diferencijalne jednadžbe (NODE) i neuronsko kontrolirane diferencijalne jednadžbe (NCDE) za modeliranje serijskog bioreaktorskog sustava s eksplicitnom kontrolnom integracijom. Autori razvijaju modificirani NODE okvir koji sadrži kontrolne ulaze i proučavaju NCDE, koji uključuju kontinuirane upravljačke staze pomoću interpolacije spline. Implementirani u Diffraxu za učinkovito ubrzanje GPU-a, okviri pokazuju da NCDE postižu vrhunsku prediktivnu točnost, dok NOD-i nude brže training treninga.
Pogledaj na stranici izdavača

Okvir s više agenata koji koristi grafikone znanja za virtualne modele puštanja u pogon

Objavljeno u: AUTOMATIZACIJA 2026, Primjena inovacija (str. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Juergen Pfisterer; Dirk Hartmann

Virtualni modeli puštanja u pogon (vCM) potvrđuju diskretne proizvodne sustave prije implementacije, ali njihova izgradnja je radno intenzivna zbog fragmentiranih podataka u alatima poput Siemens TIA Portal i NX MCD. Kako bi riješili ovo, autori predlažu okvir s više agenata utemeljen na grafiku znanja. Deterministički alati izdvajaju i spajaju PLC i kinematičke podatke u jedinstvenu bazu podataka grafikona. Hijerarhijska arhitektura agenata zatim pomaže u razumijevanju sustava, generiranju komponenata zasnovanih na skriptima i mapiranju signala u više domena. Testiran na laboratorijskim proizvodnim postavkama, pristup smanjuje napore ručnog tumačenja i pojednostavljuje rani VCM inženjering.
Pogledajte na stranici izdavača