Dikkat Çekenler: HP 3D Baskı ve NVIDIA Modulus, Açık Kaynaklı Üretim Dijital İkizi Üzerinde İşbirliği Yapıyor
Fizik bilgili makine öğrenimi (fizik-ML) için açık bir ekosistem, inovasyonu ve AI mühendislik uygulamalarını teşvik eder. Fizik-ML, öğrenme sürecine belirli bir veri setini yöneten fizik yasalarının bilgisini yerleştirir. Bu, bilim insanlarının bir sinir ağını eğitmeye yardımcı olmak için önceki bilgileri kullanmasını sağlayarak onu daha genelleştirilebilir ve verimli hale getirir.
Yine de, fizik-ML büyüyen bir araştırma alanı olduğundan, alan uzmanlarının bunun gerçek dünya kullanım durumlarına nasıl uygulandığını anlamak için daha iyi bir başlangıç noktasına ihtiyaçları vardır. Basit bir Python arayüzüyle fizik-ML modellerini oluşturmak, eğitmek ve ince ayarlamak için açık kaynaklı bir çerçeve olan NVIDIA Modulus, bu ihtiyacı karşılamak için referans uygulamaları sağlar.
Örneğin, HP 3D Baskı Yazılımı Kuruluşu’ndaki Dijital İkiz ekibi, üretim tesisleri için yenilikçi fizik-ML modelleri geliştirdi dijital ikizve bu çalışmayı Modulus’a katkıda bulunmuştur. HP 3D Printing, katkı imalatında liderdir ve hem polimer baskıyı hem de metal baskıyı kapsayan bir üretim sistemleri portföyüne sahiptir.
Bu gönderi, HP’nin Dijital İkiz ekibinin, yeni uygulamaların katılımını hızlandırmak ve bu teknolojiyi üretim ortamında benimsemek için üretim sistemleri için dijital ikiz teknolojisini aktif olarak geliştirme çalışmalarını vurgulamaktadır. HP Dijital İkiz ekibi, NVIDIA Modulus’un daha geniş üretim topluluğunu desteklemek ve onlarla iş birliği yapmak için çalışmalarına katkıda bulunmak üzere ideal bir açık inovasyon platformu olduğunu keşfetti.
HP’nin 3D Baskı Yazılım Organizasyonu’nda Dijital İkiz çalışmasını yöneten seçkin teknoloji uzmanı Dr. Jun Zeng, “Ekibimiz, temel prensiplere dayalı fizik simülasyon motorları geliştiriyor” dedi.
“Bu fizik simülasyon motorlarını kalibre etmek için deneysel algılama ve ölçüm verileri getiriyoruz, böylece üretim süreci değişkenliği tarafından temellendiriliyorlar. Fizik-ML ile, bir kez iyi eğitildiğinde, büyüklük sırasına göre hızlanmalar görüyoruz ve model dizüstü bilgisayarınızda çalışabiliyor. Fizik-ML tarafından sağlanan bu tür gerçek zamanlı tahminler birçok yeni uygulama için kapılar açıyor.”
Katmanlı üretimde dijital ikizler
HP’nin 80 yıllık bir teknoloji inovasyon geçmişi var; son 40 yıldır termal mürekkep püskürtme teknolojisini ve ticari uygulamalarını icat ediyor.
En son yenilik, HP Metal Jetgeleneksel üretim süreçlerinin ötesinde, endüstriyel düzeyde verimlilik ve kalitede yeni 3 boyutlu metal parçalar sunan bir metal katkı üretim sistemini mümkün kılar.
HP, proses mühendislerinin parça kalitesini ve üretim verimini iyileştirmek için hem tasarım parametrelerini hem de proses kontrol parametrelerini tahmin edip optimize etmelerini sağlamak amacıyla Metal Jet teknolojisi için bir dijital ikiz geliştiriyor.
HP’nin dijital ikiz çabasının bir bileşeni olarak HP ekibi, Sanal Dökümhane Graphnet Metal tozu malzeme faz geçişini tahmin eden hesaplamayı önemli ölçüde hızlandırmak için fizik-ML uygulayarak model. Böyle eğitilmiş bir vekil model, metal sinterleme sürecinin neredeyse gerçek zamanlı, yüksek doğrulukta emülasyonunu sağlamak için büyüklük sırasına göre hızlanmalar elde etti.
Virtual Foundry Graphnet, bu tür yapay zeka vekil modellerinin farklı geometrik karmaşıklıklara ve farklı işlem parametresi yapılandırmalarına sahip tasarımlara uygulanabilirliğini de göstermiştir.
Şekil 2’deki Stanford ejderha testi modeli, üretim süreçleri tarafından oluşturulan son parçanın geometrik bozulmasını doğru bir şekilde tahmin etmek için hesaplamalı malzeme mühendisliği ve üretim süreci fiziğini hesaba katabilen bir simülasyona olan ihtiyacı vurgulamaktadır.
HP’de Fizik-ML inovasyonu
Fizik-ML ve pratik malzeme mühendisliği sorunlarına uygulamaları hala endüstriyel uygulamaların erken aşamalarındadır. Bu yaklaşımları çeşitli kullanım durumlarına ölçeklendirmek için daha fazla araştırmaya ihtiyaç vardır.
HP Digital Twin ekibi, açık kaynak topluluğunun fizik-ML’nin gelişimini hızlandırma ve uygulamalarını genişletmede oynadığı önemli role inanmaktadır. NVIDIA Modulus, böyle bir açık kaynak topluluğuna yardımcı olmak ve destek olmak için olağanüstü bir platform sunmaktadır. HP 3D Printing, NVIDIA Modulus platformu aracılığıyla Virtual Foundry Graphnet’i açık kaynaklı hale getirerek fizik-ML açık kaynak topluluğuna katılmıştır.
Geleneksel yüksek doğruluklu fizik simülasyon iş akışları hesaplama açısından yoğun olup, bir tasarım yinelemesinin tamamlanması genellikle saatler hatta günler alır. Düşük doğruluklu, azaltılmış sıralı modeller kullanmak tasarım keşfini önemli ölçüde sınırlar. Fizik-ML vekil modelleri yüksek doğruluklu öykünme sunar ve büyüklük sırasına göre daha hızlı tasarım yinelemelerine olanak tanıyan sayısal çözücüleri tamamlar.
Örneğin, bir ürün tasarımının üretilebilirliği açısından anında geri bildirimi ve hem işlevi hem de verimi optimize etmek için büyük bir tasarım alanı boyunca otomatik tasarım taraması artık fizik-ML vekil modelleriyle mümkün. Taranan tasarımlar sayısal çözücüler kullanılarak daha ayrıntılı olarak simüle edilebilir. Bu AI modelleri ayrıca ürün tasarım ekiplerinin önceki simülasyon veritabanlarını bir zemin gerçeği veri kaynağı olarak kullanmalarını sağlar.
Günümüzde, farklı mühendislik departmanları ürün tasarımı ve ürün imalatını gerçekleştirmektedir. Ürün tasarımı işlevsel nitelikler için optimize edilirken, ürün imalatı verim için optimize edilir. Her ikisini de optimize eden nihai ürün tasarımı, bu iki mühendislik departmanı arasında birçok yineleme gerektirir ve bu da haftalarca hatta aylarca sürebilir. Yeni ürün tanıtımı için önemli bir darboğazdır.
Virtual Foundry Graphnet gibi fizik-ML modelleri ile mühendisler, fonksiyon-verim ortak tasarımını gerçekleştirebilir ve pazara sunma süresini önemli ölçüde hızlandırabilirler.
HP’nin proses fiziği simülasyon yazılımı olan Dijital Sinterleme, üretim sonuçlarını iyileştirmek amacıyla HP Metal Jet müşterilerine dağıtıldı (Şekil 3). Dijital Sinterleme, üretim sürecinden kaynaklanan parça bozulmasını telafi eden gelişmiş bir tasarım oluşturur.
İyi eğitilmiş bir metal sinterleme çıkarım motorunu çalıştırmak, son sinterleme deformasyon değerini elde etmek için sadece birkaç saniye sürer. Şekil 4, %2’lik maksimum düğüm hatasına sahip 63 mm’lik bir test parçasını gösterir. Tam sinterleme döngüsü yaklaşık 4 saat sürer. HP’nin fizik-ML tahmini ile fizik simülasyonu tarafından üretilen arasındaki ortalama fark 0,3 mm’dir. Daha fazla bilgi için bkz. Metal Sinterleme Deformasyon Tahmini için Sanal Dökümhane Grafnet’i.
Araştırmacıların üretim için yapay zeka konusunda yenilik yapmalarını ve iş birliği yapmalarını sağlamak
Fizik-ML vekil modelleri, gerçek zamanlıya yakın simülasyon iş akışlarının en ileri noktasındadır. HP 3D Printing’deki Virtual Foundry Graphnet gibi Fizik-ML inovasyonu, yapay zekanın simülasyon iş akışlarını büyük ölçüde hızlandırma gücünü göstererek, üretim süreci sonuçlarının tahminlerini saniyeler içinde sunar.
Üretimde yapay zekanın demokratikleştirilmesi, daha geniş yelpazedeki yenilikçilerin sektördeki zorlukları çözmesini ve dijital ikizlerin potansiyelini gerçekleştirmede yaratıcılığı teşvik etmesini sağlamak açısından önemlidir.
HP 3D Baskı ekibi de dahil olmak üzere AI araştırmacıları, fikir ve içgörü alışverişinde bulunarak alan uzmanlarıyla katkıda bulunmak ve iş birliği yapmak için NVIDIA Modulus açık kaynak projesini kullanır. Benzer şekilde NVIDIA, iş birliğini ve yeniliği geliştiren kurumsal düzeyde bir platform sağlayarak fizik-ML araştırma topluluğunu destekler. Bu çabalar, gelişmiş AI araçlarının ve bilgisinin herkes tarafından erişilebilir olmasını sağlayarak daha kapsayıcı ve dinamik bir üretim sektörünü teşvik eder.
Daha fazla bilgi için NVIDIA Deep Learning Institute kursuna bakın. Modulus ile Fizik Bilgili Makine Öğrenmesine Giriş.
Modulus’u kendi ortamınızda denemek için en son Modulus konteynerini indirin veya Modulus pip tekerleklerini takın.
Modulus açık kaynaklı çerçevesini özelleştirmek ve ona katkıda bulunmak için şu adresi ziyaret edin: NVIDIA/modül GitHub’da.
