AI物理サロゲートモデリング
より迅速な設計探索、
シミュレーションデータに基づく
RescaleのAI Physicsを使えば、シミュレーションデータを高速で物理法則に基づいたAIモデルに変換できます。Rescaleが、設計空間探索、リアルタイム推論、マルチフィジックスワークフローを、エンジニアが既に使用しているツールに直接統合する方法をご覧ください。
設計探求の迅速化を阻害する障壁
速度と精度のトレードオフ
高精度シミュレーションは時間とリソースを大量に消費するため、幅広い設計領域をカバーするには不向きだが、開発速度を上げるためにソルバーの精度を落とすと、開発の後半になって初めて明らかになる精度上のギャップが生じるリスクがある。
機械学習の専門知識のギャップ
従来、実運用用の代理モデルを構築するには、機械学習エンジニアがアーキテクチャを選択し、ハイパーパラメータを調整し、トレーニング実行を管理する必要がありましたが、ほとんどのシミュレーションチームにはそのような専門知識を持つ人材がいませんでした。
静的モデル、移動ターゲット
新しいシミュレーションデータが到着しても再学習されない代理モデルは、時間の経過とともに精度が低下し、エンジニアが頼りにできるツールではなく、すべての更新作業が手作業のプロジェクトになってしまう。
より迅速な探索。検証済みの精度。
1,000x
Agentic Engineeringによるエンジニアリング生産性の向上
GMモータースポーツ
4x
AIサロゲートとGPUアクセラレーションCFDを使用して、開発サイクルごとに評価される設計候補の数を増やす
ブーム超音速
10倍以上
シミュレーション時間とコストの削減。AIによる次数削減モデルにより、特定のワークロードで最大3,600倍の高速化を実現。
シュランベルジェ
シミュレーションデータから設計上の洞察を得るための最短経路
機械学習チームなしでモデルを構築する
ガイド付きワークフロー、デフォルトのトレーニングパラメータ、およびAIコパイロットを使用して、既存のシミュレーションデータを検証済みのAIモデルに変換します。カスタムコードや専用のデータサイエンスサポートは不要です。
より多くのデザインを探求し、本当に大切なものを検証しましょう
代理推論を用いて数千もの形状と荷重ケースを数分でスクリーニングし、上位候補のみを高精度ソルバーに送って結果を確認します。
モデルを自動的に最新の状態に保つ
代理モデルのトレーニングを既存のシミュレーションワークフローに接続することで、新しい結果が得られるたびにモデルが再トレーニングされ、手作業による修正なしに予測精度を維持できます。
Rescaleを、実際に体験してみませんか。
AI物理サロゲートモデリング機能
民主化された代理モデル開発
ビルドプロダクションサロゲート
モデルなし
AI/MLに関する専門知識
チームが既にRescale上でシミュレーションを実行している場合、サロゲートモデルの構築に必要なものは全て揃っています。AI Physicsは、既存の結果を構造化されたAIデータセットに変換し、デフォルトパラメータ、AIコパイロット、そしてモデル構成を自動的に探索して最適な適合を見つけるAuto Tuneを使用して、トレーニングをガイドします。これにより、シミュレーションチームと設計チームにとってサロゲートモデル開発が民主化され、エンジニアはデータサイエンティストを雇ったりコードを書いたりすることなく、物理ベースのAIモデルに直接アクセスできるようになります。
AIを活用した設計空間探索と最適化
数千ものデザインをスクリーニングして拡張する
完全忠実度シミュレーション
RescaleのAI物理推論機能は、トレーニング済みのサロゲートモデルを使用して、数千もの形状と荷重ケースを数分で評価し、高精度ソルバーで上位候補のみを検証します。目的を定義し、制約を設定したら、モデルに対して直接最適化スイープを実行することで、チームは限られた高精度計算リソースを、設計空間全体ではなく、重要な少数の設計に集中させることができます。
設計者向け組み込みAI物理学
ツール内でのリアルタイムフィードバック
デザイナーは既に
リアルタイムサロゲート推論は、Autodesk AliasやBlenderなどのCADおよびビジュアライゼーションツールに直接統合されるため、設計者はワークフローを中断したり、ソルバーの実行を待ったりすることなく、モデリング中に空力性能と構造性能に関するフィードバックを即座に得ることができます。設計チームと解析チーム間の引き継ぎが少なくなることで、シミュレーションを考慮した意思決定が開発の早い段階で、つまり最もコスト効率の良い段階で行えるようになります。
マルチフィジックスおよびハイブリッドサロゲートワークフロー
チェーンサロゲートを横断して
物理学の領域と応用
既存のワークフロー内でAI物理推論モデルをノードとして実行し、CFD、構造、熱、NVHの各領域にわたる予測を連携させたり、サロゲートモデルの出力を従来のソルバーに入力して、単なる推測ではなく情報に基づいた初期条件として使用したりできます。このハイブリッドアプローチにより、複雑なマルチフィジックス問題における反復回数と実行時間を削減しながら、最も重要な部分で高精度を維持できます。
継続的な再訓練パイプライン
改善していくモデル
シミュレーションデータセットが増加
AI Physicsを既存のシミュレーションワークフローに接続することで、新しい結果が届くと代理モデルが自動的に再学習され、手動での再入力や古い予測は不要になります。すべての推論には信頼度シグナルが付与され、結果を信頼するか、完全なシミュレーションで検証するかを判断できるため、チームは常にどの予測が本番環境での意思決定に適しているかを把握できます。
AIトレーニングと推論のためのGPU容量
スケーラブルなコンピューティングを活用して AI の野望を実現
トレーニングおよび推論ワークロードに必要な規模で、最新のGPUアーキテクチャを利用できます。Rescaleは、NVIDIA DGX Cloudをはじめとする主要なハイパースケーラーや専門クラウドプロバイダーの高性能GPU容量にサロゲートモデルのトレーニングを接続することで、トレーニングを最先端のハードウェアで実行し、モデルライブラリの規模が拡大しても推論の速度を維持します。
AI物理学のリソースを探索する
高コンプライアンス航空宇宙設計のための AI 物理モデルの展開
AIを活用したシミュレーションは、推論予測を用いて設計評価を劇的に加速させます。RescaleのAI Physicsは、航空宇宙エンジニアが既存のシミュレーションデータを使用してカスタムAIモデルを構築、展開、調整するための包括的なソリューションを提供します。
動画を見る
CFDアプリケーション向けGeoTransolver AIモデルアーキテクチャ統合
GeoTransolverモデルアーキテクチャにより、CFDおよびFEA向けの複雑かつ高精度なAIサロゲートモデルを強力に構築できます。NVIDIA PhysicsNeMoライブラリの一部としてRescale AI Physicsで利用可能になったGeoTransolverは…
詳しく見る
AI サロゲートモデルとは何か? 歴史と始め方。
AIサロゲートモデルは、エンジニアリング設計サイクルを加速するための強力なツールとして登場しました。これらは、高精度シミュレーションの高速かつデータ駆動型の近似を提供し、エンジニアがより広範な設計空間を探索することを可能にします。
詳しく見るデジタルエンジニアリングの旅を始める準備はできていますか？
フォームにご記入の上、弊社チームの専門家によるデモをリクエストしてください。