مایکروسافت یک رایانه شخصی سرفیس طراحی شده توسط هوش مصنوعی را پیش بینی کرده است

مایکروسافت به خود می بالد که سرویس Azure HPC خود توانست مدت زمان فرآیند طراحی لپ تاپ سرفیس خود را کاهش دهد – به ویژه برای یک لولا که به یک تکرار کاهش یافت و امیدوار است از هوش مصنوعی برای انجام کارهای بهتر در آینده استفاده کند.

مطابق با مهندس اصلی پراساد راگاوندرانرم‌افزار Abaqus FEA از سال 2015 در Azure HPC پیاده‌سازی شده است. تا سال 2016، ردموندی شبیه‌سازی‌های ساختاری سطح محصول را برای Surface Pro 4 و لپ‌تاپ اصلی Surface به Azure HPC به طور کامل از سرورهای داخلی منتقل کرده بود.

برای کسانی که در دنیای طراحی مکانیکی مهارت ندارند، این کار به این صورت است: مدل‌های طراحی به کمک کامپیوتر (CAD) - یا نقشه‌های دیجیتالی یک لپ‌تاپ کامل با تمام اجزای آن - به مدل‌های تحلیل اجزا محدود (FEA) ترجمه می‌شوند. سپس مدل‌های FEA می‌توانند چیزهایی مانند اثرات دما یا نیروهایی را که هنگام افتادن ماشین تجربه می‌شوند شبیه‌سازی کنند. هر گونه تنظیمات یا انتخاب های طراحی را که باید قبل از تولید نمونه فیزیکی انجام شود و از طریق آزمایش های دنیای واقعی انجام شود، اطلاع می دهد.

Raghavendra توضیح داد: «در چند روز، صدها شبیه‌سازی برای ارزیابی ایده‌ها و راه‌حل‌های مختلف طراحی برای مقاوم‌سازی دستگاه اجرا می‌شود.

در مورد لولای فوق الذکر، گرافیکی که حرکت آن را در هنگام افتادن لپ تاپ و فرود در گوشه ای به تصویر می کشد - در حالی که لپ تاپ ها تمایل به سقوط دارند - به تیم مهندسی این امکان را می دهد تا سطح ضربه و استرس را که قسمت های داخلی آن تجربه می شود را تجسم کنند.

این شبیه‌سازی افت پویا بر روی صدها هسته یک خوشه HPC Azure با استفاده از حل‌کننده Abaqus Explicit اجرا شد - ابزار شبیه‌سازی که برای رویدادهای کوتاه گذرا و پویا مانند انداختن وسایل الکترونیکی سنگین یا تصادفات اتومبیل استفاده می‌شود. در این مورد، حل‌کننده‌ها به‌طور خاص برای خوشه‌های HPC Azure بهینه‌سازی شده‌اند و به شبیه‌سازی اجازه می‌دهند تا هزاران هسته را مقیاس‌بندی کنند.

راگاوندرا در پستی در 15 آوریل توضیح داد: "این به ما امکان داد تا مسئله اصلی را جدا کرده و بهبودهای طراحی درست را انجام دهیم." از آنجا که تنها یک تکرار طراحی مورد نیاز بود، او خاطرنشان کرد که در هزینه‌های ابزار، نمونه‌سازی و آزمایش و همچنین در زمان صرفه‌جویی شد - که می‌تواند معنی زیادی داشته باشد. مهندسان گران هستند

وقتی صحبت از زمان شد، قبلاً شبیه‌سازی‌ها روزها طول می‌کشید، اما در سرورهای Azure HPC - که در غرب آمریکای شمالی و آسیای جنوب شرقی قرار دارند - مهندس رئیس مشاهده کرد که اکنون ساعت‌ها طول می‌کشد. طبق این وبلاگ، «مدل‌های بزرگ با میلیون‌ها درجه آزادی با تغییر به منابع HPC تبدیل به روتین شده و به راحتی حل می‌شوند».

مایکروسافت قصد دارد بر تجربیاتی که به دست آورده است، منابع بیشتری اضافه کند و مقیاس‌پذیری بیشتری را برای مدل‌سازی چند فیزیک فراهم کند.

راگاوندرا نوشت: «فرصتی بزرگ برای فعال کردن یادگیری ماشین و هوش مصنوعی در تولید محصول وجود دارد. ®

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://go.theregister.com/feed/www.theregister.com/2024/04/22/microsoft_surface_ai_design/