Apa itu Simcenter PhysicsAI dan mengapa cepat
Simcenter PhysicsAI adalah produk Siemens dari keluarga Simcenter, dibangun berdasarkan prinsip pembelajaran geometris. Ide kuncinya adalah tidak menjalankan setiap perhitungan dari awal, tapi untuk memanfaatkan akumulasi data dari simulasi sebelumnya. Model ini dilatih pada data ini dan, diberikan desain baru, menghasilkan prediksi parameter yang diperlukan hampir seketika.
Pendekatan ini memotong waktu yang diperlukan untuk mengevaluasi varian desain dari jam ke detik. Menurut Siemens, perbedaan kecepatan dapat mencapai tiga perintah besarnya - dengan kata lain, sampai hingga 1000 kali lebih cepat daripada pemecah tradisional. Tentu saja, penampilan seperti itu membuka prospek yang menggoda, tetapi juga memiliki sisi buruk.
Kecepatan tinggi tidak identik dengan akurasi tinggi
Sam Mahalingam, kepala Siemens Digital Industries Software, menjawab pertanyaan tentang menggunakan fisik berbasis AI dalam sistem yang aman-kritis dengan kejujuran lengkap: "Tidak, itu tidak cocok". Hal ini perlu diingat bagi siapa saja yang berharap untuk sepenuhnya perhitungan otomatis dan pergeseran tanggung jawab ke algoritma.
Dengan volume yang cukup besar dari data pelatihan, model pengganti dapat menghasilkan hasil dekat dengan pemecah fisika, dengan penyebaran 1-3%. Namun, Masalingam sendiri menekankan: pengganti tidak akan pernah lebih akurat daripada simulasi itu dilatih. Setiap kesalahan dan asumsi pada pemecah otomatis ditransfer ke model. Inilah sebabnya mengapa fisik berbasis AI memiliki akurasi objektif langit-langit itu tidak akan pernah melebihi.
Itulah mengapa Siemens melihat alat ini bukan sebagai pengganti validasi, tetapi sebagai mekanisme untuk penayangan awal cepat. Konfirmasi akhir selalu tetap dengan pemecah klasik.
Bagaimana Siemens mengusulkan menggunakan fisik berbasis AI: filter, bukan vonis akhir
Skenario khas terlihat seperti ini. Seorang insinyur menjalankan puluhan atau bahkan ratusan variants melalui pengganti cepat, memilih 2- 3 yang menjanjikan dari set itu, dan melewati mereka untuk perbaikan rinci dengan pemecah fisika tradisional. Hanya setelah verifikasi penuh desain dapat disetujui untuk produksi. Peran insinyur tidak hilang - itu berubah, bergeser dari perhitungan rutin ke pilihan arah berarti.
Dalam kasus penting dengan Continental melibatkan airbags, fisik berbasis AI digunakan secara eksklusif pada tahap menemukan varian awal. Menurut Mahalingam, rekomendasi produksi berdasarkan AI saja tidak pernah terjadi dalam keadaan apapun.
Contoh lain adalah proyek dengan Magna. Di sana, pencarian luas pertama kali dilakukan dalam lingkungan Simcenter HEDS, kemudian varian menjanjikan diselesaikan di Simsolid - pemecah yang bekerja tanpa mesh generasi. Data simulasi yang dihasilkan digunakan untuk melatih model AI berbasis fisik. Jika data tidak cukup, itu dihasilkan sintetis di muka, lagi mengandalkan Siemens simulator.
Sangat penting, keamanan dibangun ke dalam sistem. Jika model dilatih pada satu jenis bentuk dan diberi makan yang berbeda secara radikal, ia menyatakan langsung: "Saya tidak bisa memprediksi ini, itu adalah bentuk yang sama sekali berbeda". Penolakan seperti itu lebih baik untuk diam-diam menghasilkan hasil yang salah. Hal ini mengurangi risiko insinyur tanpa sadar "menembak diri mereka sendiri di kaki" dengan mempercayai model yang tidak cocok.
Mengapa insinyur tetap di helm
Siemens secara konsisten posisi fisik berbasis AI sebagai alat yang kuat tapi sangat terbatas. Ini tidak berguna di luar jangkauan data pelatihan dan tidak dimaksudkan untuk membuat keputusan akhir. Perusahaan ini bertaruh bahwa insinyur akan mempercayai sistem yang benar-benar berkomunikasi batas-batasnya lebih dari satu yang menyajikan angan-angan berpikir sebagai fakta.
validasi manusia tetap merupakan langkah wajib. Penyelundup fisika masih "memegang pena" untuk segala sesuatu yang harus dapat diandalkan, seperti kata Mahalingam secara kiasan. Sebuah kecepatan seribu kali lipat adalah cara mengesankan untuk mempercepat eksplorasi, tapi kata terakhir selalu terletak pada insinyur.
