Microsoft hat damit geprahlt, dass sein eigener Azure HPC-Dienst die Länge seines Surface-Laptop-Designprozesses verkürzen konnte – vor allem für ein Scharnier, das auf eine Iteration reduziert wurde, und hofft, mithilfe von KI in Zukunft noch bessere Ergebnisse erzielen zu können.

Laut Chefingenieur Prasad RaghavendraSeit 2015 ist die FEA-Software von Abaqus in Azure HPC implementiert. Bis 2016 hatte Redmond die Struktursimulationen auf Produktebene für Surface Pro 4 und den ursprünglichen Surface-Laptop vollständig von lokalen Servern auf Azure HPC migriert.

Für diejenigen, die sich in der Welt des mechanischen Designs nicht auskennen: Es funktioniert so: CAD-Modelle (Computer Aided Design) – oder digitale Zeichnungen eines Laptops mit allen seinen Komponenten – werden in FEA-Modelle (Finite-Elemente-Analyse) übersetzt. Die FEA-Modelle können dann beispielsweise die Auswirkungen der Temperatur oder die Kräfte simulieren, die auftreten, wenn eine Maschine herunterfällt. Dies informiert über alle Anpassungen oder Designentscheidungen, die getroffen werden müssen, bevor ein physischer Prototyp hergestellt und realen Tests unterzogen wird.

„In wenigen Tagen werden Hunderte von Simulationen durchgeführt, um verschiedene Designideen und -lösungen zu bewerten und das Gerät robust zu machen“, erklärte Raghavendra.

Im Fall des oben erwähnten Scharniers ermöglichte eine Grafik, die seine Bewegung darstellt, wenn ein Laptop fallen gelassen wird und auf einer Ecke landet – da Laptops dazu neigen, herunterzufallen –, dem Ingenieurteam die Visualisierung der Auswirkungen und Belastungen, denen die inneren Teile ausgesetzt sind.

Diese dynamische Fallsimulation wurde auf Hunderten von Kernen eines Azure HPC-Clusters mit dem Abaqus Explicit Solver ausgeführt – dem Simulationstool, das für kurze vorübergehende und dynamische Ereignisse wie das Herunterfallen schwerer Elektronikgeräte oder Autounfälle verwendet wird. In diesem Fall sind die Solver speziell für Azure HPC-Cluster optimiert, sodass die Simulation auf Tausende von Kernen skaliert werden kann.

„Dadurch konnten wir das Hauptproblem isolieren und die richtigen Designverbesserungen vornehmen“, erklärte Ragavendra in einem Beitrag vom 15. April. Da nur eine Entwurfsiteration erforderlich war, stellte er fest, dass Werkzeug-, Prototyping- und Testkosten sowie Zeit eingespart wurden – was viel bedeuten kann. Ingenieure sind teuer.

Apropos Zeit: Früher dauerten die Simulationen selbst Tage, aber auf Azure HPC-Servern – die sich sowohl im Westen Nordamerikas als auch in Südostasien befinden – stellte der Chefingenieur fest, dass sie jetzt Stunden dauern. Mit der Umstellung auf HPC-Ressourcen seien „große Modelle mit Millionen von Freiheitsgraden zur Routine geworden und leicht zu lösen“, heißt es im Blog.

Microsoft plant, auf den gesammelten Erfahrungen aufzubauen, weitere Ressourcen hinzuzufügen und eine noch größere Skalierbarkeit für die Multiphysik-Modellierung zu ermöglichen.

„Es besteht eine große Chance, maschinelles Lernen und KI bei der Produktentwicklung zu ermöglichen“, schrieb Raghavendra. ®

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://go.theregister.com/feed/www.theregister.com/2024/04/22/microsoft_surface_ai_design/