Wer sich nicht mit KI beschäftigt, wird wirklich ins Hintertreffen geraten! ! !
Wenn wir jeden Tag verschiedene Nachrichten-Apps öffnen, werden wir feststellen, dass Nachrichten im Zusammenhang mit KI bereits häufig nach Schlüsselwörtern wie „künstliche Intelligenz, neuronales Netzwerk“ gesucht werden, und zwar in verschiedenen Branchen wie Design, Fertigung und Softwareentwicklung Es wurde auch begonnen, KI-bezogene Technologien in großem Umfang anzuwenden. Der allgemeine Trend der KI-Entwicklung ist unaufhaltsam.
Bei herkömmlichen Design-Workflows fällt es Ingenieuren schwer, den Designraum vollständig zu erkunden und schnell Lösungen für neue Herausforderungen zu finden. Das Aufkommen von KI hilft diesen Ingenieuren dabei, neuartige Lösungen zu entdecken, große Mengen vorhandener Simulationsdaten zu nutzen und den endgültigen Entwurf zu verbessern, wodurch der Entwurfs- und Simulationsprozess beschleunigt wird.
Kürzlich haben Dell Technologies und NVIDIA gemeinsam das Whitepaper „Anwendung künstlicher Intelligenz im Design- und Engineering-Workflow“ veröffentlicht, in dem vorgestellt wird, wie KI in Design- und Engineering-Lösungen und -Workflows integriert wird und wie neue Workstations und Hochleistungs-Computing-Lösungen ermöglicht werden Ingenieuren, diese Funktionen effektiv zu nutzen. Lass uns einen Blick darauf werfen!
Produktdesign: Enge Integration mit KI
●In Design- und CAD-Szenarien hat KI dank des Aufkommens generativer Designtools bereits spürbare Auswirkungen. In Designanwendungen können KI (künstliche Intelligenz) und ML (maschinelles Lernen) eine Reihe hervorragender Designlösungen basierend auf vordefinierten Einschränkungen erstellen. Generative Designtools erfordern, dass Ingenieure diese Einschränkungen vorab festlegen, einschließlich thermischer Leistung, Steifigkeit, Materialoptionen und sogar spezifischer Herstellungsprozesse, und die Software kann dann Hunderte oder sogar Tausende von Optionen zur Bewertung erstellen. An diesem Punkt können Ingenieure die Optionen durch eine Feinabstimmung der Einschränkungen eingrenzen, um einen Entwurf zu erstellen, der die spezifischen Anforderungen des Benutzers vereint.
●Im Bereich elektronisches CAD (ECAD) haben viele Unternehmen auch KI-gestützte Softwaretools entwickelt, um Designern dabei zu helfen, das Design von Leiterplatten (PCB) zu beschleunigen. Diese Tools stützen sich auf Daten aus früheren Designplänen, um das Leiterplatten-Layout und das Routing-Design zu automatisieren und die Arbeitseffizienz zu verbessern.
Es ist auch erwähnenswert, dass immer mehr KI-Rendering-Visualisierungstools auf den Markt kommen. Beispielsweise verwendet NVIDIA AI das Open-Source-Modell „Stable Diffusion“, um Benutzer bei der Erstellung von 2D-Skizzen und Bildern mithilfe von Texteingaben zu unterstützen. Depix Technologies hat ein Tool auf den Markt gebracht, mit dem Benutzer mithilfe einfacher Texteingaben HDR-Panoramabilder und Backplates (High Dynamic Range) erstellen können.
Simulation: Die Verbesserung der Effizienz mit KI ist der Schlüssel
KI wird auch häufig in der Simulation eingesetzt und hat Unternehmen dabei geholfen, die Arbeitseffizienz und Designqualität erheblich zu verbessern.
Analyse und Simulation stellen während des Entwurfszyklus häufig Engpässe dar, insbesondere wenn Modelle immer größer und komplexer werden. Um diese Situation zu verbessern, erforschen und testen Simulationssoftwareunternehmen aktiv generative künstliche Intelligenz-Tools in natürlicher Sprache, mit dem Ziel, die Benutzeroberfläche zu optimieren und die Schwelle für die Softwarenutzung zu senken. Einfache Texteingabeaufforderungen erleichtern die Durchführung von Simulationen, selbst wenn Benutzer keine Kenntnisse in einem bestimmten Solver haben, wodurch die Zeit, die zum Erlernen neuer Software erforderlich ist, erheblich verkürzt wird.
Nehmen wir als Beispiel Ansys. Sie haben ein Support-Tool auf Basis der generativen künstlichen Intelligenz-Technologie auf den Markt gebracht – AnsysGPT, das häufige Kundensupportanfragen schnell bearbeiten kann. Noch erstaunlicher ist, dass den Daten zufolge Benutzer mithilfe von KI sogar Java-Programme schreiben können, um bestimmte Simulationsaufgaben auszuführen, ohne Programmiererfahrung zu haben.
Die Generierung synthetischer Daten erfordert auch KI, die zu einem wichtigen Treiber für das Training autonomer Fahrzeugsysteme geworden ist. Um beispielsweise ein selbstfahrendes Auto zu trainieren, müssen Millionen Stunden an Betriebsdaten über unzählige Fahrzeugszenarien gesammelt werden, sodass dieser Prozess mithilfe synthetischer Daten, die reale Szenarien widerspiegeln, virtuell beschleunigt werden kann. NVIDIA bietet beispielsweise die Plattform NVIDIA DRIVE Sim™ (basierend auf NVIDIA Omniverse™) für die Durchführung physikalisch genauer, groß angelegter Multisensorsimulationen in immersiven 3D-Umgebungen an. Die NVIDIA Omniverse Replicator-Plattform generiert synthetische Daten für diese Simulationen. Wenn Sie mit dieser Art von Daten arbeiten, müssen Sie keine zeitaufwändigen Datenbereinigungs- und Kennzeichnungsaufgaben mehr durchführen, die bei der Arbeit mit vorhandenen Datensätzen erforderlich sind.
Ein guter Sattel für ein gutes Pferd: Dell Precision
Die 7960 Tower Workstation ist für die KI-Ära geboren
Fortschrittliche KI-basierte Design- und Simulationstools können auf Engineering-Workstations, die mit neuen NVIDIA® RTX™-GPUs ausgestattet sind, effektiver und effizienter ausgeführt werden.
Dell Technologies hat eine Reihe leistungsstarker Workstations speziell für KI- und Data-Science-Anwendungen entwickelt und stellt Ingenieuren die Rechenressourcen zur Verfügung, die sie benötigen, um sicherzustellen, dass sie diese fortschrittlichen Tools reibungslos nutzen können. Unter anderem hat sich die Dell Precision 7960 Tower-Workstation aufgrund ihrer hervorragenden Leistungskonfiguration zur idealen Wahl für den AI-Engineering-Workflow entwickelt.
Diese neu gestaltete Dell Precision 7960 Tower-Workstation besticht durch ihre starke Leistung. Es unterstützt eine einzelne 56-Core-CPU und verfügt über ein geräumiges Gehäuse, das problemlos bis zu vier Grafikkarten mit doppelter Breite aufnehmen kann. Dies bedeutet, dass Benutzer bis zu vier NVIDIA® RTX™ 6000 Ada-GPUs für Aufgaben wie KI-basierte CAE-Workflows, Rendering und Visualisierung konfigurieren können.
NVIDIA® RTX™ 6000 Ada ist eine leistungsstarke Grafikkarte mit 48 GB Grafikspeicher. Diese enorme Speicherkapazität ermöglicht es Benutzern, riesige Datensätze problemlos zu verarbeiten und Simulations- und Rendering-Aufgaben an großen und komplexen Modellen durchzuführen.
Ausgestattet mit einer oder mehreren NVIDIA® RTX™ GPUs bieten diese Workstations Ingenieuren eine leistungsstarke Plattform für die lokale Verarbeitung großer Modelle und Datensätze, die für KI-basierte Arbeitsabläufe typisch sind. Darüber hinaus können Ingenieure Modelle reduzierter Ordnung (ROM) verwenden , um die Verifizierung in den frühen Phasen des Entwurfs schnell abzuschließen und so die Arbeitseffizienz erheblich zu verbessern. Zusammen spielen diese fortschrittlichen Engineering-Workstations eine entscheidende Rolle bei der Entwicklung besser zugänglicher automatisierter Entwurfs- und Simulationsszenarien .
Zusammenfassen
Obwohl KI nicht immer für jedes Szenario geeignet ist, eröffnet sie Teams, die Zugriff auf ausreichende Mengen an alten Design-, Simulations- und Testdaten haben, endlose Möglichkeiten. Durch den Einsatz von KI können diese Teams den potenziellen Designraum erweitern, beispiellose technische Erkenntnisse gewinnen und Verifizierungs- und Simulationsprozesse beschleunigen, was zu schnelleren und besseren Designiterationen führt.
Der erfolgreiche Einsatz von KI-Lösungen erfordert neben reichhaltigen Datenressourcen auch die Unterstützung leistungsstarker Workstations und leistungsstarker Rechenressourcen. In dieser Hinsicht bietet die Kombination aus professionellen Dell Precision-Workstations und NVIDIA® RTX™-GPUs leistungsstarke Verarbeitungsfunktionen. Ingenieure können sich auf diese neuen KI-basierten Tools verlassen, um ihre aktuellen Design-Workflows zu unterstützen und optimal auf zukünftige Technologieentwicklungen vorbereitet zu sein. Diese Kombination ermöglicht es Ingenieuren nicht nur, das volle Potenzial der KI auszuschöpfen, sondern stellt auch sicher, dass sie angesichts komplexer und sich ständig ändernder technischer Herausforderungen immer einen Schritt voraus und wettbewerbsfähig bleiben.
Ein in den 1990er Jahren geborener Programmierer hat eine Videoportierungssoftware entwickelt und in weniger als einem Jahr über 7 Millionen verdient. Das Ende war sehr bestrafend! High-School-Schüler erstellen im Rahmen einer Coming-of-Age-Zeremonie ihre eigene Open-Source-Programmiersprache – scharfe Kommentare von Internetnutzern: Der inländische Dienst Taobao (taobao.com) verließ sich aufgrund des grassierenden Betrugs auf RustDesk und stellte die inländischen Dienste ein und startete die Arbeit zur Optimierung der Webversion von Java neu 17 ist die am häufigsten verwendete Java LTS-Version. Windows 11 erreicht weiterhin einen Rückgang. Open Source Daily unterstützt die Übernahme von Open Source Rabbit R1; Electric schließt die offene Plattform Apple veröffentlicht M4-Chip Google löscht Android Universal Kernel (ACK) Unterstützung für RISC-V-Architektur Yunfeng ist von Alibaba zurückgetreten und plant, in Zukunft unabhängige Spiele für Windows-Plattformen zu produzieren