21.08.2026 03:04
«Способен ли ИИ выполнять подлинно инженерную работу?
«Способен ли ИИ выполнять подлинно инженерную работу? Искусственный интеллект для промышленного проектирования». Перевод подкаста Die-Hard: American Metal от 31.07.26. Часть третья. «Сдвиг в использовании ИИ агентов: программируемое генерирование посредством кода и модели с глубокой физикой».
«Программируемое генерирование использует большие языковые модели для написания специфического для конкретной области параметрического CAD кода, а не просто создания новой 3Д геометрии из пикселей.
Этот метод облегчает ношу математической точности. Пробабилистический (вероятностный) ИИ управляется с логикой, тогда как движок детерминистической геометрии завершает окончательную форму. Описанный обычным языком промпт для гексагональной шестерни переводится в запрос CAD кода. Если код содержит топологические несходимости, то движок указывает на ошибку. ИИ агент начинает работать над исправлением обнаруженной ошибки и переписывает скрипт, пока не будет достигнута целостная твердотельная геометрия.
Эта архитектура являет собой замкнутый цикл: генерирование, симуляция, финальная очистка. Она позволяет системе автономно идентифицировать и исправлять ошибки в 3Д конструкциях, что недоступно для стандартного визуального генератора.
Эти циклы используют наборы данных наподобие «CAD c нуля» или HistCAD, которые содержат миллионы вариантов цепочек конструкций с учётом топологических ограничений. Натренированные на этих специфических наборах данных большие языковые модели (LLM) достигают уровня 100% валидности компиляций для генерирования CAD последовательностей. Предоставляя на выходе редактируемый код, эти системы обеспечивают инженеру полный параметрический контроль, трансформируя ИИ в высокоскоростной сверхточный макрогенератор. Целостная граничная модель определяет форму, но инженеру в любом случае требуется валидировать эту геометрию на предмет физического соответствия, например, в плане термодинамики и структурной целостности.
Обычно валидация конструкции требовала часы или даже дни медленной алгоритмической обработки с использованием метода конечных элементов. Модели с «глубокой» физикой преодолевают это «бутылочное горлышко». Это фундаментальные модели, тренированные на десятках миллионов 3Д форм, и их движок на основе физических данных заменяет обычные программы «мгновенного» ИИ.
Получается «живая» параметрическая модель, где с помощью ползунка можно уменьшать толщину кронштейна аэрокосмического назначения, и где ИИ мгновенно предсказывает смещения в части распределения напряжений. Такая немедленная обратная связь позволяет инженерам оценивать тысячи возможных вариантов конструкции за время, которое ранее требовалось для проработки всего нескольких.
Также ИИ, учитывая физическую модель, управляет генеративным дизайном для аддитивных технологий. Алгоритмы с каждой итерацией наращивают материал только вдоль той части детали, что подвергается соответствующим нагрузкам, создавая формы, удовлетворяющие специфическим требованиям по нагрузке. Результатом становятся органические многослойные структуры. Эти биоморфные конструкции легче и прочнее, чем проектируемые обычным способом решения, что раздвигает пределы топливной эффективности и возможной полезной нагрузки [со снижением массы].
Интеграция физического интерфейса в реальном времени поднимает уровень генеративного ИИ с устройства для проектирования до высокоскоростной оптимизационной машины.»
#новости #переводы #benchmarking #немного_матчасти
«Программируемое генерирование использует большие языковые модели для написания специфического для конкретной области параметрического CAD кода, а не просто создания новой 3Д геометрии из пикселей.
Этот метод облегчает ношу математической точности. Пробабилистический (вероятностный) ИИ управляется с логикой, тогда как движок детерминистической геометрии завершает окончательную форму. Описанный обычным языком промпт для гексагональной шестерни переводится в запрос CAD кода. Если код содержит топологические несходимости, то движок указывает на ошибку. ИИ агент начинает работать над исправлением обнаруженной ошибки и переписывает скрипт, пока не будет достигнута целостная твердотельная геометрия.
Эта архитектура являет собой замкнутый цикл: генерирование, симуляция, финальная очистка. Она позволяет системе автономно идентифицировать и исправлять ошибки в 3Д конструкциях, что недоступно для стандартного визуального генератора.
Эти циклы используют наборы данных наподобие «CAD c нуля» или HistCAD, которые содержат миллионы вариантов цепочек конструкций с учётом топологических ограничений. Натренированные на этих специфических наборах данных большие языковые модели (LLM) достигают уровня 100% валидности компиляций для генерирования CAD последовательностей. Предоставляя на выходе редактируемый код, эти системы обеспечивают инженеру полный параметрический контроль, трансформируя ИИ в высокоскоростной сверхточный макрогенератор. Целостная граничная модель определяет форму, но инженеру в любом случае требуется валидировать эту геометрию на предмет физического соответствия, например, в плане термодинамики и структурной целостности.
Обычно валидация конструкции требовала часы или даже дни медленной алгоритмической обработки с использованием метода конечных элементов. Модели с «глубокой» физикой преодолевают это «бутылочное горлышко». Это фундаментальные модели, тренированные на десятках миллионов 3Д форм, и их движок на основе физических данных заменяет обычные программы «мгновенного» ИИ.
Получается «живая» параметрическая модель, где с помощью ползунка можно уменьшать толщину кронштейна аэрокосмического назначения, и где ИИ мгновенно предсказывает смещения в части распределения напряжений. Такая немедленная обратная связь позволяет инженерам оценивать тысячи возможных вариантов конструкции за время, которое ранее требовалось для проработки всего нескольких.
Также ИИ, учитывая физическую модель, управляет генеративным дизайном для аддитивных технологий. Алгоритмы с каждой итерацией наращивают материал только вдоль той части детали, что подвергается соответствующим нагрузкам, создавая формы, удовлетворяющие специфическим требованиям по нагрузке. Результатом становятся органические многослойные структуры. Эти биоморфные конструкции легче и прочнее, чем проектируемые обычным способом решения, что раздвигает пределы топливной эффективности и возможной полезной нагрузки [со снижением массы].
Интеграция физического интерфейса в реальном времени поднимает уровень генеративного ИИ с устройства для проектирования до высокоскоростной оптимизационной машины.»
#новости #переводы #benchmarking #немного_матчасти