Η Microsoft έχει καυχηθεί ότι η δική της υπηρεσία Azure HPC μπόρεσε να μειώσει τη διάρκεια της διαδικασίας σχεδίασης φορητού υπολογιστή Surface – κυρίως για μια άρθρωση, η οποία μειώθηκε σε μία επανάληψη και ελπίζει να χρησιμοποιήσει την τεχνητή νοημοσύνη για να τα πάει ακόμα καλύτερα στο μέλλον.
Σύμφωνα με κύριος μηχανικός Prasad Raghavendra, το λογισμικό Abaqus FEA έχει εφαρμοστεί στο Azure HPC από το 2015. Μέχρι το 2016, το Redmond είχε μεταφέρει πλήρως δομικές προσομοιώσεις σε επίπεδο προϊόντος για το Surface Pro 4 και τον αρχικό φορητό υπολογιστή Surface στο Azure HPC από διακομιστές εσωτερικού χώρου.
Για όσους δεν είναι έμπειροι στον κόσμο του μηχανικού σχεδιασμού, λειτουργεί ως εξής: μοντέλα σχεδίασης με τη βοήθεια υπολογιστή (CAD) – ή ψηφιακά σχέδια ενός φορητού υπολογιστή με όλα τα εξαρτήματά του – μεταφράζονται σε μοντέλα ανάλυσης πεπερασμένων στοιχείων (FEA). Τα μοντέλα FEA μπορούν στη συνέχεια να προσομοιώσουν πράγματα όπως τα αποτελέσματα της θερμοκρασίας ή τις δυνάμεις που αντιμετωπίζονται όταν πέφτει μια μηχανή. Αυτό ενημερώνει τυχόν προσαρμογές ή σχεδιαστικές επιλογές που πρέπει να γίνουν πριν κατασκευαστεί ένα φυσικό πρωτότυπο και εκτελεστεί μέσω πραγματικών δοκιμών.
«Σε λίγες μέρες, εκτελούνται εκατοντάδες προσομοιώσεις για να αξιολογηθούν διάφορες σχεδιαστικές ιδέες και λύσεις για να γίνει η συσκευή στιβαρή», εξήγησε ο Raghavendra.
Στην περίπτωση του προαναφερθέντος μεντεσέ, ένα γραφικό που απεικονίζει την κίνησή του όταν ένας φορητός υπολογιστής πέφτει και προσγειώνεται σε μια γωνία - καθώς οι φορητοί υπολογιστές τείνουν να πέφτουν - επέτρεψε στην ομάδα μηχανικών να οπτικοποιήσει τα επίπεδα πρόσκρουσης και πίεσης που βιώνουν τα εσωτερικά του μέρη.
Αυτή η προσομοίωση δυναμικής πτώσης εκτελέστηκε σε εκατοντάδες πυρήνες ενός συμπλέγματος Azure HPC χρησιμοποιώντας τον Abaqus Explicit solver – το εργαλείο προσομοίωσης που χρησιμοποιείται για σύντομα παροδικά και δυναμικά συμβάντα, όπως πτώση βαριών ηλεκτρονικών ή τροχαία ατυχήματα. Σε αυτήν την περίπτωση, οι επιλύτες έχουν βελτιστοποιηθεί ειδικά για συστάδες Azure HPC, επιτρέποντας στην προσομοίωση να κλιμακωθεί έως και χιλιάδες πυρήνες.
«Αυτό μας έδωσε τη δυνατότητα να απομονώσουμε το κύριο ζήτημα και να κάνουμε τις σωστές βελτιώσεις στο σχεδιασμό», εξήγησε ο Ragavendra σε μια ανάρτηση στις 15 Απριλίου. Επειδή χρειαζόταν μόνο μία επανάληψη σχεδιασμού, σημείωσε ότι εξοικονομήθηκαν έξοδα εργαλείων, πρωτοτύπων και δοκιμών, καθώς και χρόνος – κάτι που μπορεί να σημαίνει πολλά. Οι μηχανικοί είναι ακριβοί.
Μιλώντας για τον χρόνο, οι ίδιες οι προσομοιώσεις έπαιρναν μέρες, αλλά στους διακομιστές Azure HPC – που βρίσκονται τόσο στη Δυτική Βόρεια Αμερική όσο και στη Νοτιοανατολική Ασία – ο επικεφαλής μηχανικός παρατήρησε ότι τώρα χρειάζονται ώρες. Σύμφωνα με το blog, «μεγάλα μοντέλα με εκατομμύρια βαθμούς ελευθερίας έγιναν ρουτίνα και λύθηκαν εύκολα» με τη μετάβαση στους πόρους HPC.
Η Microsoft σχεδιάζει να αξιοποιήσει την εμπειρία που έχει αποκτήσει, προσθέτοντας περισσότερους πόρους και επιτρέποντας ακόμη μεγαλύτερη επεκτασιμότητα για μοντελοποίηση πολλαπλών φυσικών.
«Υπάρχει μια τεράστια ευκαιρία να ενεργοποιηθεί η μηχανική μάθηση και η τεχνητή νοημοσύνη στη δημιουργία προϊόντων», έγραψε ο Raghavendra. ®
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://go.theregister.com/feed/www.theregister.com/2024/04/22/microsoft_surface_ai_design/
