微软预计将推出由人工智能设计的 Surface PC

微软吹嘘自己的 Azure HPC 服务能够缩短 Surface 笔记本电脑设计过程的长度——尤其是铰链，它被减少到一次迭代，并希望在未来利用人工智能做得更好。

根据 首席工程师 Prasad Raghavendra自 2015 年以来，Abaqus FEA 软件已在 Azure HPC 中实施。到 2016 年，雷蒙德已将 Surface Pro 4 和原始 Surface 笔记本电脑的产品级结构模拟从本地服务器完全迁移到 Azure HPC。

对于那些不熟悉机械设计领域的人来说，它的工作原理是这样的：计算机辅助设计 (CAD) 模型（或笔记本电脑及其所有组件的数字绘图）被转换为有限元分析 (FEA) 模型。然后，FEA 模型可以模拟温度的影响或机器掉落时所受的力等。这告知在制造物理原型并进行实际测试之前需要进行的任何调整或设计选择。

Raghavendra 解释道：“几天之内，我们执行了数百次模拟，以评估各种设计理念和解决方案，从而使设备更加稳健。”

就上述铰链而言，当笔记本电脑掉落并落在角落时（因为笔记本电脑往往会掉落），一张描绘其运动的图形使工程团队能够直观地看到其内部部件所经历的冲击和应力水平。

该动态跌落模拟是使用 Abaqus Explicit 求解器在 Azure HPC 集群的数百个核心上执行的，该求解器用于短暂的瞬态和动态事件，例如跌落重型电子设备或车祸。在这种情况下，求解器专门针对 Azure HPC 集群进行了优化，允许模拟扩展到数千个核心。

“这使我们能够隔离主要问题并做出正确的设计改进，”Ragavendra 在 15 月 XNUMX 日的帖子中解释道。他指出，由于只需要一次设计迭代，因此节省了工具、原型设计和测试成本以及时间，这意义重大。工程师很贵。

说到时间，过去模拟本身需要几天时间，但在位于北美西部和东南亚的 Azure HPC 服务器上，老板工程师观察到现在需要几个小时。该博客称，随着转向 HPC 资源，“具有数百万自由度的大型模型已成为常规且易于解决”。

微软计划在其所获得的经验基础上，添加更多资源，并为多物理场建模提供更大的可扩展性。

“在产品创造中启用机器学习和人工智能有巨大的机会，”拉加文德拉写道。 ®

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://go.theregister.com/feed/www.theregister.com/2024/04/22/microsoft_surface_ai_design/