A Microsoft azzal dicsekedett, hogy saját Azure HPC szolgáltatása le tudta csökkenteni a Surface laptop tervezési folyamatának hosszát – mindenekelőtt a csuklópánt esetében, amelyet egyetlen iterációra redukáltak, és reméli, hogy a mesterséges intelligencia segítségével a jövőben még jobb teljesítményt nyújt.
Szerint főmérnök Prasad Raghavendra, Az Abaqus FEA szoftvert 2015 óta telepítették az Azure HPC-be. 2016-ra Redmond teljes mértékben áttelepítette a Surface Pro 4 és az eredeti Surface laptop termékszintű szerkezeti szimulációit az Azure HPC-re a helyszíni szerverekről.
Azok számára, akik nem jártasak a mechanikai tervezés világában, ez így működik: a számítógéppel támogatott tervezési (CAD) modelleket – vagy egy laptop digitális rajzait az összes alkatrészével együtt – végeselem-elemző (FEA) modellekké fordítják le. A FEA modellek ezután olyan dolgokat szimulálhatnak, mint a hőmérséklet hatása, vagy a gép leejtésekor tapasztalható erők. Ez tájékoztat minden olyan módosításról vagy tervezési döntésről, amelyet a fizikai prototípus legyártása és valós teszteken való futtatása előtt meg kell tenni.
„Néhány nap alatt több száz szimulációt hajtanak végre, hogy kiértékeljék a különféle tervezési ötleteket és megoldásokat az eszköz robusztussá tételére” – magyarázta Raghavendra.
A már említett zsanér esetében a laptop leejtésekor és a sarokba kerülve – mivel a laptopok hajlamosak leesni – a mozgását ábrázoló grafika tette lehetővé a mérnöki csapat számára, hogy szemléltesse a belső részek által tapasztalt ütéseket és feszültségszinteket.
Ezt a dinamikus leejtési szimulációt egy Azure HPC-fürt több száz magján hajtották végre az Abaqus Explicit Solver segítségével – a szimulációs eszközzel, amelyet olyan rövid átmeneti és dinamikus eseményekhez használnak, mint például a nehéz elektronika leejtése vagy autóbaleset. Ebben az esetben a megoldók kifejezetten az Azure HPC-fürtökhöz vannak optimalizálva, így a szimuláció akár több ezer magra is méretezhető.
„Ez lehetővé tette számunkra, hogy elkülönítsük a fő problémát, és elvégezzük a megfelelő tervezési fejlesztéseket” – magyarázta Ragavendra egy április 15-i bejegyzésében. Mivel csak egy tervezési iterációra volt szükség, megjegyezte, hogy a szerszámozási, prototípus-készítési és tesztelési költségeket, valamint időt takarítottak meg – ami sokat jelenthet. A mérnökök drágák.
Ha már az időről beszélünk, maguk a szimulációk napokig tartottak, de az Azure HPC-szervereken – amelyek Nyugat-Észak-Amerikában és Délkelet-Ázsiában is találhatók – a főnök mérnöke megfigyelte, hogy most órákig tart. A blog szerint „a nagy, milliónyi szabadságfokkal rendelkező modellek rutinná és könnyen megoldhatóvá váltak” a HPC erőforrásokra való átállással.
A Microsoft azt tervezi, hogy a megszerzett tapasztalatokra épít, további erőforrásokat ad hozzá, és még nagyobb skálázhatóságot tesz lehetővé a több fizikai modellezéshez.
„Óriási lehetőség rejlik a gépi tanulás és a mesterséges intelligencia lehetővé tételére a termékalkotásban” – írta Raghavendra. ®
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://go.theregister.com/feed/www.theregister.com/2024/04/22/microsoft_surface_ai_design/