सीमेंस फिजिकल एआई: हजारों बार तेज़, लेकिन इंजीनियर का अंतिम कहना है
सरोगेट सीमेंस मॉडल सेकंड में हजारों डिज़ाइन वेरिएंट के माध्यम से घूमते हैं, लेकिन वे स्वतंत्र रूप से महत्वपूर्ण भागों को स्वीकार नहीं कर सकते हैं: अंतिम पुष्टि हमेशा एक मानव और शास्त्रीय सिमुलेशन के साथ रहती है।.

सिमसेंटर भौतिकी क्या है और यह क्यों तेज़ है
सिमसेंटर फिजिक्सए सिमसेंटर परिवार से सीमेंस उत्पाद है, जो ज्यामितीय गहरी सीखने के सिद्धांतों पर बनाया गया है। इसका मुख्य विचार खरोंच से हर गणना को चलाने के लिए नहीं है, लेकिन पिछले सिमुलेशन से संचित डेटा का लाभ उठाने के लिए। मॉडल को इस डेटा पर प्रशिक्षित किया जाता है और एक नया डिज़ाइन दिया जाता है, जो लगभग तुरंत आवश्यक मापदंडों की भविष्यवाणी करता है।
यह दृष्टिकोण घंटों से सेकंड तक एक डिजाइन संस्करण का मूल्यांकन करने के लिए आवश्यक समय में कटौती करता है। सीमेंस के अनुसार, गति में अंतर परिमाण के तीन आदेश तक पहुंच सकता है - दूसरे शब्दों में, ऊपर एक पारंपरिक सॉल्वर की तुलना में 1000 गुना तेज। बेशक, इस तरह के प्रदर्शन ने प्रलोभन की संभावनाओं को खोल दिया, लेकिन इसमें डाउनसाइड भी है।

उच्च गति उच्च सटीकता के साथ पर्याय नहीं है
सीमेंस डिजिटल इंडस्ट्रीज सॉफ्टवेयर के प्रमुख सैम महालिंगम ने पूर्ण स्वतंत्रता के साथ सुरक्षा-महत्वपूर्ण प्रणालियों में भौतिकी आधारित एआई का उपयोग करने के बारे में सवाल का जवाब दिया: "नहीं, यह उपयुक्त नहीं है। यह किसी भी व्यक्ति के लिए पूरी तरह से गणनाओं को स्वचालित करने और जिम्मेदारी को एक एल्गोरिथ्म पर स्थानांतरित करने की उम्मीद है।
प्रशिक्षण डेटा की पर्याप्त मात्रा के साथ, एक सरोगेट मॉडल एक भौतिकी सॉलर के करीब परिणाम पैदा कर सकता है, जिसमें 1-3% का फैलाव होता है। हालांकि, महालिंगम स्वयं जोर देता है: एक सरोगेट कभी सिमुलेशन की तुलना में अधिक सटीक नहीं होगा। सॉलर में किसी भी त्रुटि और धारणा को स्वचालित रूप से मॉडल में स्थानांतरित कर दिया जाता है। यही कारण है कि भौतिकी आधारित एआई में एक उद्देश्य सटीकता की छत है, यह कभी अधिक नहीं होगी।
यही कारण है कि सीमेंस इस उपकरण को मान्यता के प्रतिस्थापन के रूप में नहीं बल्कि तेजी से प्रारंभिक स्क्रीनिंग के लिए एक तंत्र के रूप में देखते हैं। अंतिम पुष्टि हमेशा शास्त्रीय हलकों के साथ रहती है।
कैसे सीमेंस भौतिकी आधारित एआई का उपयोग करने का प्रस्ताव करता है: एक फिल्टर, अंतिम फैसले नहीं
एक विशिष्ट परिदृश्य इस तरह दिखता है। एक इंजीनियर फास्ट सरोगेट के माध्यम से दर्जनों या यहां तक कि सैकड़ों वेरिएंट चलाता है, उस सेट से 2-3 आशाजनक लोगों का चयन करता है, और उन्हें पारंपरिक भौतिकी सॉलर के साथ विस्तृत परिष्करण के लिए पास करता है। पूर्ण सत्यापन के बाद ही डिजाइन को उत्पादन के लिए अनुमोदित किया जा सकता है। इंजीनियर की भूमिका गायब नहीं होती है - यह बदलता है, नियमित गणना से दिशा के सार्थक चयन में बदल जाता है।
कॉन्टिनेंटल के साथ एक उल्लेखनीय मामला जिसमें एयरबैग शामिल हैं, भौतिकी आधारित एआई का उपयोग विशेष रूप से प्रारंभिक संस्करण खोजने के चरण में किया गया था। महालिंगम के अनुसार, अकेले एआई पर आधारित एक उत्पादन सिफारिश कभी किसी भी परिस्थिति में नहीं होती है।
एक अन्य उदाहरण मैग्ना के साथ एक परियोजना है। वहाँ, एक व्यापक खोज पहली बार Simcenter HEEDS पर्यावरण में आयोजित किया गया था, तो आशाजनक वेरिएंट Simsolid में हल किया गया था - एक हलक में कि जाल पीढ़ी के बिना काम करता है। परिणामस्वरूप सिमुलेशन डेटा का उपयोग भौतिकी आधारित एआई मॉडल को प्रशिक्षित करने के लिए किया गया था। यदि डेटा अपर्याप्त था, तो इसे पहले से सिंथेटिक रूप से उत्पन्न किया गया था, फिर से सीमेंस सिमुलेटर पर निर्भर था।
वास्तव में, सुरक्षा प्रणाली में बनाई गई है। यदि एक मॉडल को एक प्रकार के आकार पर प्रशिक्षित किया गया था और इसे मौलिक रूप से अलग किया गया है, तो यह स्पष्ट है: "मैं इसे भविष्यवाणी नहीं कर सकता, यह पूरी तरह से अलग आकार है। इस तरह के एक ईमानदार इनकार चुपचाप एक गलत परिणाम का उत्पादन करने के लिए बेहतर है। यह एक अनुपयुक्त मॉडल पर भरोसा करके एक इंजीनियर को अनजाने में "अपने आप को पैर में चिल्लाना" के जोखिम को कम करता है।

क्यों इंजीनियर हेलमेट पर रहता है
सीमेंस लगातार एक शक्तिशाली लेकिन सख्ती से सीमित उपकरण के रूप में भौतिकी आधारित एआई पदों। यह अपने प्रशिक्षण डेटा के दायरे से परे बेकार है और अंतिम निर्णय लेने के लिए इरादा नहीं है। कंपनी शर्त है कि इंजीनियर एक ऐसी प्रणाली पर भरोसा करेंगे जो ईमानदारी से अपनी सीमाओं को एक से अधिक बताते हैं जो वास्तव में इच्छापूर्ण सोच प्रस्तुत करते हैं।
मानव सत्यापन अनिवार्य कदम रहता है। भौतिकी सॉलर अभी भी "द पेन" को उन सभी चीजों के लिए रखता है जिन्हें विश्वसनीय होना चाहिए, क्योंकि महालिंगम ने इसे आश्चर्यजनक रूप से रखा। एक हजार गुना गति खोज में तेजी लाने का एक शानदार तरीका है, लेकिन अंतिम शब्द हमेशा इंजीनियर के साथ रहता है।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
उम्मीदवारों का सत्यापन उन्हें उत्पन्न करने से अधिक महँगा है: LLM-आधारित भेद्यता खोज के विरुद्ध प्रलोभन
इस काम में एजेंट-आधारित दोष खोज की लागत संबंधी विषमता का विश्लेषण किया गया है: संस्करण बनाना सस्ता है, जबकि पहुँच-योग्यता विश्लेषण, निष्पादन और PoC के ज़रिए उनकी पुष्टि करने में अधिकांश बजट खर्च होता है। इसलिए सत्यापन को रक्षा का एक स्वतंत्र लक्ष्य बनाया जा सकता है। प्रस्तावित RedHerring—रिपॉज़िटरी के अनुरूप ढाली गई, सीलबंद प्रमाणपत्र वाली decoy—ने समान लागत पर 33 OSS-Fuzz परियोजनाओं में पाई गई वास्तविक कमज़ोरियों की संख्या 38.7–60.4% तक घटा दी; एजेंट को चेतावनी देने के बाद भी यह गिरावट 37.2% पर बनी रही।
9 नवम्बर 2026
बिना फ़ाइन-ट्यूनिंग के स्रोतों के SQL व्यू के ज़रिए LLM के भ्रमों की जाँच
यह काम जाँचता है कि क्या LLM मतिभ्रम का पता लगाने के लिए बिना पर्यवेक्षण के स्रोत से जोड़ने हेतु एक बुनियादी प्रतीकात्मक कौशल—स्रोत दस्तावेज़ों के आधार पर SQL डेटाबेस बनाना—का उपयोग कर सकता है। RAGTruth और DiaHalu पर यह न्यूरो-सिम्बॉलिक पाइपलाइन सीधे भविष्यवाणी करने से अधिक सटीक साबित होती है और अत्याधुनिक तरीकों के बराबर प्रदर्शन करती है, जबकि इसके लिए डोमेन-विशिष्ट फ़ाइन-ट्यूनिंग की आवश्यकता नहीं होती।
9 नवम्बर 2026
MathAdv: मशीन-निर्मित प्रमाणों की अंतिम सटीकता के पीछे क्या छिपा है?
गणित के 13 स्नातक और स्नातकोत्तर विषयों के कार्यों का यह नैदानिक समूह Lean 4 में स्वचालित प्रमेय-प्रमाणन प्रणालियों का मूल्यांकन केवल अंतिम परिणाम के आधार पर नहीं, बल्कि विषय पर उनकी पकड़, अनौपचारिक तर्क की गुणवत्ता और शर्तों को नए शब्दों में प्रस्तुत किए जाने पर उनकी मजबूती के आधार पर भी करता है। घटक-वार विश्लेषण से पता चलता है कि किसी समस्या को औपचारिक रूप में बदलना अब भी सबसे बड़ी बाधा है, और सफलता गणित के क्षेत्र तथा समस्या को प्रस्तुत करने के तरीके पर बहुत अधिक निर्भर करती है।
9 नवम्बर 2026