Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

急速に進化する現代のエンジニアリングの世界では、人工知能（AI）とコンピュータ支援エンジニアリング（CAE）の統合が設計プロセスの効率性を高めています。エンジニアは現在、AIを活用した代替モデルを活用してシミュレーションを迅速化し、複数の設計案を迅速に評価しています。従来のシミュレーションデータで学習したこれらのAIモデルは、従来の手法に比べてはるかに短い時間で予測結果を生成できます。

シミュレーションにおけるAIの活用は、従来のソルバーを置き換えるのではなく、補完することを目的としています。初期の設計検討はこれらの代替モデルを用いて行われ、有望な選択肢が迅速に特定されます。その後、より精度が高く信頼性の高いソルバーを用いて検証が行われ、最終製品の信頼性が確保されます。

自動車の空力シミュレーションへのAI導入を促進するために、包括的なワークフローが開発されました。このワークフローは、様々なエンジニアリングアプリケーションに適応可能で、データ準備から可視化までのプロセスを効率化するツールスイートを基盤としています。このワークフローには、NVIDIA PhysicsNeMo Curator によるデータ前処理、NVIDIA PhysicsNeMo による AI モデルのトレーニング、NVIDIA NIM マイクロサービスによるデプロイメント、NVIDIA Omniverse と Kit-CAE によるリアルタイム可視化が含まれます。

このワークフローは、複数の Ahmed ボディ設計を特徴とするデータセットを用いて実証されており、エンジニアやソフトウェア開発者にとって実践的な例となります。このデータセットは特に空力シミュレーションに適しており、大規模なストレージや計算リソースを必要とせずに迅速な実験をサポートするように設計されています。このワークフローはモジュール式であるため、自動車の空力だけでなく、幅広いアプリケーションに適応でき、AI のスピードと柔軟性を活用してシミュレーション主導の産業を強化します。