Selskapets kjerneteknologier

Systemdesign og simulering

Dette forskningsfeltet fokuserer på system- og komponentmodellering, design og multifysikksimulering ved bruk av AI. Den adresserer CAD/CAM-kjeden og digitale tvillinger for visualiseringstesting, verifisering og optimalisering innen produksjon, robotikk og energiinfrastruktur.

Utforsk publikasjoner

Hva om vi kunne designe, teste og forbedre automatisering, produksjon og energiinfrastruktur før de til og med ble bygget?

Tradisjonelle ingeniørsykluser er sterkt avhengige av fysisk prototyping, noe som fører til kostbare iterasjoner, lengre tid til markedet og uforutsette operasjonelle flaskehalser. Moderne industriteknikk krever å gå utover statiske CAD-modeller mot dynamiske simuleringsmiljøer med flere domener. Ved å kombinere databehandling med høy ytelse, sanntidstelemetri og romlig visualisering, kan komplekse industrielle arkitekturer valideres grundig gjennom hele livssyklusen før fysisk igangkjøring.

Det som betyr noe er simulering, digitale tvillinger og industrielle metaversefunksjoner for raskere, tryggere og mer bærekraftig prosjektering.

Et delt bilde som viser et fargerikt abstrakt 3D-spiraldesign og en kvinne som har på seg et VR-headset og holder bevegelseskontrollere

En forsker som sitter ved et skrivebord og jobber omtenksomt på en bærbar datamaskin

Systemdesign og simulering dekker geometrisk, mekanikk og funksjonell modellering (CAD/CAM) med AI-forbedrede arbeidsflyter og generativ design. Det inkluderer produksjonsdesign, virtuell igangkjøring, samt (multi-) fysikk, system, sanntid og co-simulering. Vi forsker også på simulering for trening av fysisk AI og syntetisk datagenerering.

Vår forskning tar for seg validering, verifisering, designsamarbeid, AR/VR-visualisering og livssyklus/digital tvillingadministrasjon. I tillegg omfatter det automatiseringsteknikk, elektrisk modellering og design av distribuerte energisystemer ved hjelp av multimodal simulering, usikkerhetsmodellering, teknoøkonomisk optimalisering og agentiske arbeidsflyter.

For dette Selskapets kjerneteknologi, vi forsker på applikasjoner som dekker forbedring av design, simulering og PLM-verktøy sammen med simulering, data, modell og digitale tvillingstyringsplattformer. Viktige områder inkluderer visualisering, samarbeid (f.eks. Digital Twin Composer), automatisert 3D-innholdsoppretting og bærekraftsverktøy for produktets karbonavtrykk, sirkularitet og livssyklusanalyse med en digital tvilling.

Ytterligere emner er simuleringsforbedret produkt- og produksjonsdesign, virtuell igangkjøring, CAD/CAM-grunnmodellopplæring, multimodal energisystemdesign og ressursutvikling for energisystemer. Til slutt tar vår forskning for livssyklus og energitvillinger, sirkularitetsaspekter ved produksjon, synkronisering med ekte industrielle systemer og autonom prosjektering.

Publikasjoner

Utforsk våre utvalgte artikler

SceneGenAgent: Presis industriell scenegenerering med kodingsagent

Publisert i: 2025 Forhandlinger fra det 63. årsmøtet i Association for Computational Linguistics (bind 1: Long Papers), side 17847—17875, Wien, Østerrike
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong

Å generere 3D-industrielle scener med LLM-er er utfordrende på grunn av strenge krav til presise målinger og fysisk planlegging. For å løse dette introduserer forfatterne SceneGenAgent, en LLM-agent som genererer industrielle scener via C # -kode. Den bruker strukturert layoutplanlegging, verifisering og iterativ forfining for å tilfredsstille eksakte kvantitative behov, og øker LLM-suksessraten opp til 81.0%. I tillegg gir forfatterne ut SceneInstruct, et datasett for finjustering av åpen kildekode LLM-er som Llama3.1-70B for å nærme seg GPT-4o-ytelse innenfor rammen. Kode og data er offentlig tilgjengelige.
Se på utgiverens side

SipHyr: Et ende-til-ende-læringsbasert optimaliseringsrammeverk for dynamisk rutenettrekonfigurering

Publisert i: IEEE-transaksjoner på Smart Grid (Volum: 16, Utgave: 2, Mars 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty

Stigende fornybar energi, lagring og elektriske kjøretøy krever raskere beslutningsparadigmer for distribusjonsnett. Denne artikkelen foreslår SIPHyr, et fysikkinformert maskinlæringsrammeverk for ende-til-ende-læringsbasert optimalisering av rutenettkonfigurasjon. SipHyr optimaliserer topologi og strømstrømmer for å redusere linjetap, forbedre spenningsprofiler og øke fornybar integrasjon. For å håndtere NP-harde binære beslutningsvariabler bruker den en fysikkinformert avrundingsmetode innenfor et differensierbart rammeverk. Dette gjør at SIPHyr kan optimalisere rutenetttopologi og utsendelse samtidig som sikkerhetskritiske begrensninger tilfredsstilles, som demonstrert på tre kanoniske rutenett.
Se på utgiverens side

Utnytte proforbrukerens fleksibilitet for å redusere overbelastning i strømnettet i fremtidige kraftdistribusjonsnett

Publisert i: Energier 2024
Tomaselli D., Most D., m.fl.

Den økende bruken av fotovoltaiske (PV) systemer bak måleren (BTM), elektriske kjøretøyer (EV) og varmepumper forårsaker overbelastning av distribusjonsnettet. Denne artikkelen evaluerer BTM-fleksibilitet ved hjelp av et nytt rammeverk som kombinerer en rullende horisont optimal kraftflyt med en stykkevis lineær kostnadsfunksjon for å løse dette problemet uten kostbare oppgraderinger. Når de ble testet på en rutenettmodell fra Schutterwald, Tyskland, viste resultatene at BTM-lagring med egenforbruk løste alle innmatningsbrudd, men bare 35% av belastningsbruddene. Imidlertid løser proaktiv kontroll av lagringslading og utladning effektivt de gjenværende belastningsbruddene, selv i nesten mettede rutenett.
Se på utgiverens side

Nevrale differensialligninger med integrert kontroll for kjemisk prosessmodellering

Publisert i: 2025 IEEE 32. internasjonale konferanse om høyytelses databehandling, data og analyse workshop (HiPCW)
Sumeet Rodiya, ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri

Nevrale differensialligninger er kraftige for kjemisk prosesssimulering, men deres anvendelse på kontrollerte kjemiske prosesser forblir relativt uutforsket. Denne artikkelen evaluerer nevrale vanlige differensialligninger (NODE) og nevrale kontrollerte differensialligninger (NCDE) for modellering av et batchbioreaktorsystem med eksplisitt kontrollintegrasjon. Forfatterne utvikler et modifisert NODE-rammeverk som inneholder kontrollinnganger og studerer NCDE, som inneholder kontinuerlige kontrollbaner ved hjelp av spline-interpolering. Implementert i Diffrax for effektiv GPU-akselerasjon, viser rammene at NCDE oppnår overlegen prediktiv nøyaktighet, mens NODE-er tilbyr raskere treningstider.
Se på utgiverens side

Rammeverk for flere agenter som utnytter kunnskapsgrafer for virtuelle igangkjøringsmodeller

Publisert i: AUTOMATION 2026, Innovation trifft Anwendung (s. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Jürgen Pfisterer; Dirk Hartmann

Virtuelle igangkjøringsmodeller (VCM) validerer diskrete produksjonssystemer før distribusjon, men det er arbeidskrevende å bygge dem på grunn av fragmenterte data på tvers av verktøy som Siemens TIA Portal og NX MCD. For å løse dette foreslår forfatterne et kunnskapsgrafikkbasert rammeverk for flere agenter. Deterministiske verktøy trekker ut og slår sammen PLC og kinematiske data til en enhetlig grafdatabase. En hierarkisk agentarkitektur hjelper deretter med systemforståelse, skriptbasert komponentgenerering og signalkartlegging på tvers av domener. Tilnærmingen er testet på et produksjonsoppsett i laboratorieskala, og reduserer manuell tolkningsinnsats og effektiviserer tidlig VCM-prosjektering.
Se på utgiverens side