Система NCSA Delta улучшает прогнозирование стресса с помощью искусственного интеллекта

Исследователи из Национального центра суперкомпьютерных приложений (NCSA) и Грейнджерского инженерного колледжа Иллинойского университета в Урбане-Шампейне (UIUC) добились успехов в исследованиях по прогнозированию стресса с использованием искусственного интеллекта. Их работа, сосредоточенная на реализации глубоких операторских сетей (DeepONet), направлена ​​на улучшение прогнозирования реакции на стресс в сложных геометрических формах, например, в аддитивном производстве. Используя систему Delta NCSA, они достигли значительно более быстрых результатов по сравнению с традиционными методами конечных элементов.

Сравнение решений по напряжению, прогноз DeepONet и решение на основе нелинейных (пластических) конечных элементов (FE) (Изображение предоставлено: UIUC) <п>Команда провела свое исследование с помощью Illinois Computes, программы, предлагающей обширные вычислительные ресурсы и ресурсы для хранения данных. Эта инициатива способствовала сотрудничеству в различных дисциплинах, сочетая машинное обучение и вычислительную механику. Система Delta, известная своими высокопроизводительными вычислительными возможностями на графическом процессоре, сыграла решающую роль в обучении глубоких нейронных сетей и генерации обучающих данных с помощью программного обеспечения Abaqus.

В результате этого исследования появились две важные публикации. Первый, в “Компьютерных методах в прикладной механике и технике,” представляет новый DeepONet, использующий остаточную U-Net (ResUNet) для кодирования сложной геометрии. Этот подход знаменует собой первое использование ResUNet в архитектуре DeepONet, демонстрируя превосходную эффективность использования памяти и гибкость по сравнению с традиционными методами.

Вторая статья, опубликованная в журнале “Engineering Applications of Artificial Intelligence,” описывает еще одну инновационную версию DeepONet — S-DeepONet. Он использует передовые методы последовательного обучения, обеспечивая повышенную точность мультифизических решений при различных тепловых и механических нагрузках.

«Аддитивное производство — это революционная технология производства, которая открывает практически неограниченные возможности для ее реализации», — сказала Ивона Ясюк, профессор механических наук и инженерии в UIUC.

“DeepONet служит мощным и быстрым вычислительным инструментом, который может моделировать процесс аддитивного производства в различных пространственных и временных масштабах. Такое моделирование необходимо для более глубокого понимания процесса аддитивного производства, его внедрения и мониторинга».

Это исследование — не просто прорыв в приложениях искусственного интеллекта, оно также имеет важное значение для передовых производственных процессов и разработки цифровых двойников. Совместные усилия NCSA и MechSE подчеркивают синергию междисциплинарного опыта и передовых технологий.</стр>