Siemens zrychluje simulace až tisícinásobně, člověk ale zůstává v čele
Technologie Physics AI od Siemensu dokáže podle firmy urychlit zkoumání konstrukčních návrhů až 1 000krát. U bezpečnostně kritických součástí, jako jsou airbagy, však nemá nahradit plnohodnotnou fyzikální simulaci ani lidské schválení.
Rychlejší hledání vhodného návrhu
Simcenter PhysicsAI od Siemens Digital Industries Software využívá takzvaný náhradní model. Ten se učí z dřívějších simulačních dat a u nového návrhu předpoví jeho vlastnosti, místo aby pokaždé prováděl kompletní fyzikální výpočet od začátku. Výsledek je dostupný během několika sekund.
Podle Siemensu může tento přístup urychlit předpovědi až 1 000krát oproti tradičnímu řešiči. Inženýři tak mohou projít tisíce variant v době, kdy by běžná simulace zvládla jen zlomek z nich. Smyslem ale není vybrat konečný výrobek pouze pomocí umělé inteligence, nýbrž zúžit množství možností na několik nejslibnějších kandidátů.
AI nenahrazuje závěrečnou kontrolu
Sam Mahalingam, který v Siemens Digital Industries Software vede tým stojící za touto technologií, byl v otázce bezpečnostně kritických aplikací jednoznačný: „Is this good for safety-critical applications? No, it is not.“ Podle něj se Physics AI hodí pro počáteční průzkum návrhů, nikoli pro konečné schválení součásti, na které může záviset lidský život.
Siemens uvádí, že odchylka výsledků Physics AI se v jeho případových studiích pohybuje mezi 1 % a 3 % oproti fyzikálnímu řešiči. To může být pro hledání vhodných variant dostatečně přesné, nikoli však pro samostatnou certifikaci například airbagu. I ukázka s airbagem společnosti Continental podle Mahalingama představuje pouze úvodní fázi návrhu. Vybrané varianty musí následně projít podrobnou fyzikální simulací.
Model závisí na datech
Rychlost navíc neznamená, že se model obejde bez kvalitního základu. Některé výsledky Siemensu, včetně příkladů se společnostmi Magna a Continental, vznikly trénováním na syntetických datech. Ta nevycházejí přímo z měření v reálném světě, ale z výstupů vlastních simulačních nástrojů.
V případě Magny se nejprve pomocí nástrojů Simcenter HEEDS a Simsolid prozkoumaly různé návrhy a jejich chování se vypočítalo simulací. Výsledná data pak posloužila k tréninku modelu Physics AI. Náhradní model proto nemůže být obecně lepší než simulace, ze které se učil. Jeho přesnost také závisí na tom, zda se nový návrh podobá tvarům, na nichž byl trénován.
Bezpečnostní pojistka a role člověka
Siemens do systému zabudoval omezení, které má zabránit použití modelu mimo jeho tréninkový rozsah. Pokud dostane výrazně odlišný tvar, měl by upozornit, že pro něj nedokáže spolehlivě předpovědět výsledek. Mahalingam uvedl, že takový mechanismus má inženýrovi říct: „I cannot predict this. This is completely a different shape compared to what you trained it on.“
Technologie tak podle Siemensu funguje především jako rychlý filtr a nástroj pro průzkum prostoru návrhů. Konečné slovo u součástí, které musí být bezchybné, si ponechává člověk spolu s klasickým fyzikálním ověřením. Právě jasně vymezené hranice mají podle firmy zabránit tomu, aby se rychlost AI zaměnila za dostatečný důkaz bezpečnosti.