디지털 트윈과 모니터링 및 제어 시스템용 AI는 보통 시스템 센서의 데이터를 기반으로 트레이닝돼요.하지만 그런 센서 데이터는 보통 제한적이고 노이즈가 심해서 AI가 시스템의 물리학을 이해하기에는 부족해요.이로 인해 AI가 불규칙하거나 부적절한 행동을 하게 될 거예요.우리는 AI가 이러한 물리학을 준수하도록 하기 위해 시스템의 물리학에 대한 지식을 훈련 과정에 통합함으로써 이 문제를 해결해요.
우리는 디지털 트윈과 모니터링 및 제어 시스템 개발자들이 시스템 내 센서에서 나오는 제한적이고 노이즈가 많은 데이터로 AI 모델을 학습시킬 수 있도록 도와줘요.
우리는 물리 AI의 잠재력 평가, 훈련 및 교육을 포함하여 물리 AI 사용에 관한 컨설팅을 제공해요.
우리는 디지털 트윈이나 모니터링 및 제어 시스템에서 사용되는 AI 모델을 감사하여 기본 물리학의 준수를 보장하기 위해 적절한 접근법을 사용했는지, 모델이 목적에 적합한지 평가해요.
4DCool은 센서 데이터를 기반으로 하는 예측 3D 온도 모델을 실내 기후 물리학 모델과 함께 제공하여 데이터 센터의 온도를 최적으로 제어할 수 있게 해줘요.
크고 복잡한 컨베이어 벨트의 루프 내 모델 제어를 위한 AI 대리 모델을 훈련시켰어요.이 모델 인 더 루프 제어는 원래의 규칙 기반 제어보다 더 강력하고 신뢰할 수 있어요.