Inženjerska nauka o podacima i AI

Zamenom vremenski intenzivnih rešavača surogat modelima koji pokreću AI i modeliranjem smanjenog reda, Simcenter-ove AI mogućnosti pomažu u smanjenju redova simulacije koji usporavaju iterativni dizajn. Inženjeri troše manje vremena čekajući rezultate i više vremena donoseći informisane dizajnerske odluke - ubrzavajući čitav ciklus razvoja proizvoda od koncepta do validacije.

Tradicionalni tokovi rada dizajna ograničeni su sporim, iterativnim CAD i simulacionim ciklusima. Simcenter-ove AI mogućnosti - koje obuhvataju generativno generisanje koncepata zasnovano na AI, geometrijsko duboko učenje i multidisciplinarnu optimizaciju dizajna - daju rezultate u sekundi, dajući inženjerima slobodu da procene znatno više pravaca dizajna unutar iste vremenske linije projekta.

Simcenter je namenski napravljen da demokratizuje veštačku inteligenciju i mašinsko učenje u celoj inženjerskoj organizaciji - ne samo naučnicima podataka ili stručnjacima za veštačku inteligenciju. Mogućnosti AI ugrađene su direktno u poznata CAD i simulaciona okruženja putem intuitivnih tokova rada bez koda dizajniranih za inženjere koji vežbaju. Obuka modela, cevovodi podataka i podešavanje algoritama funkcionišu transparentno u pozadini - tako da svaki tim, bez obzira na pozadinu ili veličinu organizacije, može iskoristiti konkurentsku prednost inteligentne simulacije bez strmih krivina učenja ili namenskih AI resursa.

Simcenter-ova nauka o inženjerskim podacima i AI softver pružaju merljivu vrednost u čitavom spektru domena fizike - strukturni integritet, performanse sudara, upravljanje termikom, računarska dinamika fluida, simulacija proizvodnje i elektromagnetno ponašanje - osiguravajući da svaka inženjerska disciplina ima koristi od inteligentnog ubrzanja, a ne samo nekoliko odabranih. Organizacije iz vazduhoplovnog, automobilskog, teške opreme, industrijskih mašina i energetskog sektora koriste ovu sposobnost među domenima da komprimiraju cikluse dizajna, smanje fizičke prototipove, smanje troškove razvoja i brže donose proizvode sa višim performansama na tržište.

AI modeli su obučeni na inženjerskim podacima visoke vernosti, a performanse su rigorozno upoređene koristeći utvrđene metrike grešaka - poput srednje apsolutne greške (MAE) i MSE (srednja kvadratna greška). Rezultati su objašnjivi i potvrđeni, a ne predviđanja crne kutije. Ovo pruža inženjerima potpunu vidljivost za ispitivanje, tumačenje i delovanje na uvidima generisanim veštačkom inteligencijom sa kvantificiranim poverenjem. Dalje potvrdite rezultate predviđene AI direktno u odnosu na merila simulacije ili testiranja, zatvarajući petlju između inteligentnog ubrzanja i inženjerske strogosti.

Mogućnosti AI u portfelju Simcenter dizajnirane su tako da budu fleksibilne i dostupne u nizu hardverskih okruženja. Za timove koji daju prioritet brzini treninga i performansama modela, toplo se preporučuje ubrzanje grafičke procesorske jedinice (GPU), uz podršku za moderne arhitekture, uključujući NVIDIA-inu najnoviju Blackvell mikroarhitekturu, omogućavajući znatno bržu obuku modela i zaključivanje u obimu. Organizacije koje vode velike, složene inženjerske programe u potpunosti su podržane u računarskim okruženjima visokih performansi (HPC), pružajući računarski prostor koji zahtevaju zahtevna simulaciona radna opterećenja. Za timove bez namenske GPU i HPC infrastrukture, training zasnovana na CPU-u ostaje podržana opcija - osiguravanje dostupnosti hardvera nikada nije prepreka za usvajanje simulacije ubrzane AI.

Izvršni digitalni blizanac (kDT) uzima inteligenciju ugrađenu unutar Simcenter simulacionog okruženja i čini je trenutno primenljivom u širem preduzeću. Simulacija visoke vernosti je obuhvaćena u lagane modele smanjenog reda, koji se mogu dalje ugraditi u izvršne digitalne blizance, omogućavajući inženjerima i operativnim zainteresovanim stranama da komuniciraju sa tačnim digitalnim prikazima svojih proizvoda u realnom vremenu. Rezultat je brže, informisanije donošenje odluka u svakoj fazi životnog ciklusa proizvoda - od rane validacije koncepta do praćenja performansi u upotrebi - razbijajući tradicionalne barijere između stručnjaka za predmet i širih timova koji zavise od njihovih uvida.