אינטליגנציה של נתונים גנרטיביים

מיקרוסופט צופה מחשב Surface מעוצב על ידי AI

תאריך:

מיקרוסופט התפארה בכך ששירות Azure HPC שלה הצליח לצמצם את אורך תהליך העיצוב של מחשב נייד Surface שלה - בעיקר עבור ציר, שצומצם לאיטרציה אחת, ומקווה להשתמש בבינה מלאכותית כדי להשתפר עוד יותר בעתיד.

לפי המהנדס הראשי Prasad Raghavendra, תוכנת Abaqus FEA הוטמעה ב-Azure HPC מאז 2015. עד 2016, Redmond העבירה באופן מלא סימולציות מבניות ברמת המוצר עבור Surface Pro 4 והמחשב הנייד Surface המקורי ל-Azure HPC משרתים מקומיים.

למי שלא בקי בעולם העיצוב המכני, זה עובד כך: מודלים של תכנון בעזרת מחשב (CAD) - או שרטוטים דיגיטליים של מחשב נייד עם כל מרכיביו - מתורגמים למודלים של ניתוח אלמנטים סופיים (FEA). דגמי ה-FEA יכולים לאחר מכן לדמות דברים כמו השפעות הטמפרטורה, או הכוחות שחווים כאשר מכונה מופלת. זה מודיע על כל התאמות או בחירות עיצוב שצריך לעשות לפני שאב טיפוס פיזי מיוצר ויעבור בדיקות בעולם האמיתי.

"בתוך כמה ימים, מאות סימולציות מבוצעות כדי להעריך רעיונות עיצוב ופתרונות שונים כדי להפוך את המכשיר לחזק", הסביר Raghavendra.

במקרה של הציר שהוזכר לעיל, גרפיקה המתארת ​​את תנועתו כאשר מחשב נייד נשמט ונוחת על פינה - כאשר מחשבים ניידים נוטים ליפול - אפשרה לצוות ההנדסה לדמיין את רמות ההשפעה והלחץ שחווים חלקיו הפנימיים.

סימולציית נפילה דינמית זו בוצעה על מאות ליבות של אשכול Azure HPC באמצעות Abaqus Explicit solver - כלי הסימולציה המשמש לאירועים חולפים ודינמיים קצרים כמו הפלת אלקטרוניקה כבדה או תאונות דרכים. במקרה זה, הפותרים מותאמים במיוחד לאשכולות Azure HPC, ומאפשרים לסימולציה להתרחב לאלפי ליבות.

"זה איפשר לנו לבודד את הנושא העיקרי ולבצע את השיפורים העיצוביים הנכונים", הסביר רגונדרה בפוסט מ-15 באפריל. מכיוון שהיה צורך רק באיטרציה עיצובית אחת, הוא ציין שעלויות כלי עבודה, אב טיפוס ובדיקות נחסכו, כמו גם זמן - מה שיכול להיות בעל משמעות רבה. מהנדסים הם יקרים.

אם כבר מדברים על זמן, ההדמיות עצמן נמשכו בעבר ימים, אבל בשרתי Azure HPC - הממוקמים גם במערב צפון אמריקה וגם בדרום מזרח אסיה - המהנדס הבוס הבחין שכעת זה לוקח שעות. לפי הבלוג, "דגמים גדולים עם מיליוני דרגות חופש הפכו לשגרה ונפתרו בקלות" עם המעבר למשאבי HPC.

מיקרוסופט מתכננת להתבסס על הניסיון שצברה, להוסיף משאבים נוספים ולאפשר מדרגיות רבה עוד יותר עבור מודלים מרובי-פיסיקה.

"יש הזדמנות ענקית לאפשר למידת מכונה ובינה מלאכותית ביצירת מוצר", כתב Raghavendra. ®

ספוט_ימג

המודיעין האחרון

ספוט_ימג