La columna vertebral arquitectónica de la modelización y la simulación evoluciona rápidamente para responder a la demanda de los clientes de diseños de productos muy precisos generados a mayor velocidad. La integración de aprendizaje profundo – un subconjunto de aprendizaje automático e inteligencia artificial – permite que los software de simulación aprendan de forma autónoma a resolver desafíos de diseño complejos que se traducen en mejores productos.
El aprendizaje inaugura una nueva era de simulación democratizada que perturbará casi todas las industrias. Esto permitirá a casi cualquier persona – incluso aquellos con formación en ingeniería limitada – ejecutar simulaciones al ofrecer un conjunto simple de parámetros y pedir al software que simule un objeto.
Al volverse compatible en profundidad en el próximo año, las herramientas de simulación mejorarán la forma en que los ingenieros innovan nuevos productos, permitiéndoles entregar productos más rápido que nunca mientras reducen costos.
Mejora de la productividad y del diseño del producto
Cuando los usuarios ejecutan un solucionador de simulación, hay aproximadamente 1,000 parámetros diferentes que deben seleccionar, desde la definición del estado inicial hasta la condición de los bordes para configurar el solucionador de elementos finitos. Una vez que los usuarios han realizado sus selecciones, ejecutan la simulación y el software funciona de manera óptima.
Aquí está el problema: los ingenieros deben determinar cuál de los innombrables parámetros diferentes ayudará a ejecutar el software de la manera más eficiente. La simulación consumirá un tiempo enorme si no son capaces de encontrar la aguja en el pajar.
Para mejorar la productividad, los motores de software integrados en profundidad serán entrenados para monitorear y seguir cómo los ingenieros utilizan un software de simulación para resolver un problema específico, como el diseño del ala de un avión. Mientras el programa de aprendizaje profundo supervisa una muestra de mil ingenieros seleccionando parámetros, el programa de aprendizaje profundo funcionará de manera similar, determinando automáticamente cada parámetro de los solucionadores de la simulación. Esto simplifica la experiencia del usuario al reducir considerablemente su carga de trabajo.
Optimización del diseño del producto
Algunos solucionadores de software a menudo tardan 10,000 horas en funcionar. Esto significa que los usuarios estarían atrapados esperando más de un año mientras el software resuelve las ecuaciones diferenciales parciales de segundo orden numéricamente en cada punto de malla en cada elemento finito. Pero, ¿qué pasaría si el software de simulación pudiera volverse más inteligente para ejecutarse más rápido?
Al integrar los softwares de simulación con capacidades de aprendizaje profundo, el software se educa cuando se introduce en escenarios ligeramente diferentes entre sí. Esto permite que el software deduzca y procese la simulación más adelante utilizando una suposición informada para llegar a una solución. Existen dos enfoques para acelerar la simulación, las redes neuronales profundas basadas en datos (DNN) y las redes neuronales informadas por la física (PINN).
Por ejemplo, después de que un usuario ejecute una simulación de dinámica de fluidos computacional (CFD) para medir el flujo de aire sobre una esfera, la simulación también podría medir el flujo de aire sobre diez otras formas, como un óvalo, cuadrado, triángulo, rectángulo, etc. Estos modelos DNN basados en datos requieren muchos datos de entrenamiento para construir un modelo.
Finalmente, los usuarios tendrán que simular una estructura de forma extraña – como un teléfono móvil – que no es una de las diez geometrías diferentes en las que el software CFD ha sido entrenado. El software asumirá que la forma del teléfono móvil es un rectángulo y proporcionará una salida similar a la de un rectángulo. Los modelos PINN informados por la física no requieren mucha formación pero confían en los modelos de física para construir las redes neuronales.
En última instancia, al aprovechar el poder de las capacidades de inferencia del Aprendizaje Profundo, el software de simulación funcionará mucho más rápido. En lugar de requerir 10,000 horas para ejecutar una simulación en un supercomputador, el solucionador puede funcionar en unos pocos minutos.
Revolucionando el diseño del producto
Tradicionalmente, los diseños de productos son creados con un humano en el bucle. El usuario genera un dibujo de diseño (CAD) asistido por computadora, y luego el software realiza la malla y la resolución. Este es un proceso largo.
El diseño generativo lleva el diseño del producto al siguiente nivel. En lugar de que un humano en el bucle sea responsable de crear un dibujo CAD y de realizar mallas y simulaciones, el software de aprendizaje profundo creará rápidamente millones de diseños diferentes y presentará algunas opciones destacadas para la consideración de los usuarios. Por ejemplo, al diseñar un avión, un usuario puede visualizar y revisar rápidamente los diseños ofrecidos por el software, y luego seleccionar el óptimo para el prototipado.
Optimización de futuros diseños de productos
Para monitorear la eficiencia de todo, desde activos desplegados en el campo hasta máquinas de fábrica, los usuarios han utilizado tradicionalmente un gemelo digital – un prototipo virtual del sistema completo de un activo desplegado – basado en un modelo de inteligencia artificial/aprendizaje automático basado en datos. Pero un gemelo digital de un activo no es suficiente. Los usuarios necesitan un análisis operativo de Aprendizaje Profundo mapeado sobre los datos digitales gemelos para comprender mejor el rendimiento del producto y la precisión de la modelización del comportamiento. Estos datos pueden ser utilizados para optimizar el diseño de los productos de los activos futuros, las herramientas de simulación y el soporte al cliente.
La creación de diseños de productos mejorados también se logrará optimizando la herramienta de simulación misma a través de Business Intelligence y Aprendizaje Profundo. Por ejemplo, un cliente que use una herramienta de un proveedor de simulación durante un período de tiempo podría solicitar al proveedor que cree una versión mejorada y personalizada de nueva generación de la herramienta para resolver un problema específico. Al recibir una colección de las simulaciones del cliente y su entrada en un modelo de aprendizaje profundo, el proveedor crea la herramienta optimizada que permite al cliente desarrollar diseños de productos mejorados.
Superando los límites de la ingeniosidad
La integración del aprendizaje profundo en los software de simulación promete beneficios significativos para los usuarios. Desde la duplicación de la toma de decisiones humanas hasta la realización de racionalizaciones tipo humano con la integración de datos digitales gemelos, este software de nueva generación mejorará considerablemente el rendimiento del producto. El software de simulación integrado con aprendizaje profundo abrirá pronto las compuertas del diseño de simulación a casi cualquiera, acelerando y simplificando el camino de un producto hacia el mercado.
