تکنولوژی تونل باد دیجیتال برای خودروهای فرمول ۱
شبیه‌سازی دقیق واقعیت، به خصوص در سطحی که برای طراحی‌های مهندسی مفید باشد، بسیار پیچیده است. روش‌های سنتی، تیم‌های طراحی در صنایع خودروسازی و هوافضا را محدود می‌کنند، اما BeyondMath با استفاده از هوش مصنوعی راه جدیدی برای شبیه‌سازی ارائه کرده که می‌تواند هفته‌ها یا حتی ماه‌ها از زمان انتظار آن‌ها را کاهش دهد.
دارن گاروی، یکی از بنیان‌گذاران این شرکت، توضیح می‌دهد: «برخلاف زبان، که در آن مدل‌های ریاضی برای پیش‌بینی کلمات بعدی نداریم، در فیزیک این مدل‌ها وجود دارند. و چیزی که مشاهده می‌کنیم این است که یادگیری ماشینی نه تنها در تشخیص الگوها، بلکه در محاسبات نیز بسیار توانمند است.»
حوزه‌ای که BeyondMath در آن قدم برداشته، به نام دینامیک سیالات محاسباتی (CFD) شناخته می‌شود، که تقریباً از زمان شروع محاسبات وجود داشته است. معادلاتی که حرکت یک جسم در هوا یا آب، یا جریان هوا در اطراف یک جسم را توصیف می‌کنند، بسیار پیچیده هستند. بنابراین، اگرچه ما توانایی پیش‌بینی جریان هوا بر روی یک بال را بهبود داده‌ایم، هنوز هم به دقت کامل نرسیده‌ایم و حتی شبیه‌سازی‌هایی که می‌توانیم انجام دهیم، به قدرت محاسباتی بسیار زیادی نیاز دارند که تنها در ابرکامپیوترها و خوشه‌های GPU موجود است.
نتیجه این است که در صنایعی مانند خودرو، هواپیما و قایق، فرآیند طراحی شامل مدت زمان انتظار طولانی است.
گاروی توضیح می‌دهد: «یک طراح، ابتدا با دقت زیادی فکر می‌کند که چه چیزی ممکن است کار کند، سپس شبیه‌سازی را اجرا می‌کند. صبح روز بعد، نتایج را دریافت می‌کند. یا شبیه‌سازی مطابق انتظار پیش رفته یا خیر، و او مجبور است این چرخه را چندین بار تکرار کند. سپس طراحی به تونل باد برده می‌شود.»
اما ممکن است نتایج تونل باد با شبیه‌سازی مطابقت نداشته باشد، و در این صورت طراح باید به نقطه شروع بازگردد. هدف BeyondMath این است که فرآیند طراحی دیجیتال را سرعت بخشد، به این معنا که فاصله زمانی بین شکل‌گیری یک ایده و دستیابی به نتایج آن کاهش یابد.
گاروی می‌گوید: «آن‌ها می‌پرسند: اگر این تغییر را در طراحی ایجاد کنم، آیا خودرویم سوخت کمتری مصرف خواهد کرد؟ تصور کنید که شش ماه برای طراحی یک قطعه هواپیما وقت دارید. با توجه به اینکه شبیه‌سازی‌ها زمان زیادی می‌برند، ممکن است فقط ۲۰ بار فرصت امتحان کردن ایده‌های مختلف را داشته باشید. اما اگر یک طراح بتواند یک ایده را مطرح کند و در عرض چند ثانیه یا چند دقیقه نتیجه بگیرد، در همان شش ماه ممکن است بتوانید یک میلیون تغییر را امتحان کنید.»
به نظر می‌رسد که یادگیری ماشینی، به جای استفاده از پردازنده‌های گرافیکی بیشتر برای اجرای همان معادلات قدیمی، راهکار مناسبی برای سرعت بخشیدن به فرآیند طراحی باشد. محصول اولیه BeyondMath یک تونل باد دیجیتال است که شبیه‌سازی جریان هوا بر روی سطوح پیچیده را در زمانی نزدیک به واقعی انجام می‌دهد؛ کاری که به طور معمول صدها برابر بیشتر طول می‌کشد.
نمونه‌ای مشابه از این رویکرد را در ادبیات علمی مشاهده کرده‌ایم، جایی که مدل‌های سیستم‌های آب و هوایی می‌توانند به کمک یک مدل یادگیری ماشینی که بر اساس هزاران ساعت شبیه‌سازی و الگوهای مشاهده‌شده آموزش دیده است، در کسری از زمان به‌طور مؤثر شبیه‌سازی شوند. اما BeyondMath چنین داده‌های آموزشی از پیش آماده‌ای در اختیار ندارد.
گاروی می‌گوید: «داده‌های شبیه‌سازی زیادی در دسترس نیست — ما مانند مدل‌های زبان بزرگ (LLM) کل اینترنت را برای آموزش نداریم. پس چگونه می‌توان چیزی معادل آنچه طراحان از آن استفاده می‌کنند، که روی این هندسه‌های بسیار پیچیده کار می‌کند، ایجاد کرد، آن‌هم در قالب یک استارتاپ؟»
پاسخی که آن‌ها به طرز شگفت‌آوری یافته‌اند، این است که به جای تکیه بر شبیه‌سازی‌ها، مدلی ایجاد کنند که به تئوری پشت چیزی مانند تونل باد، و همچنین واقعیت‌های مشاهده‌شده از آن تئوری، آگاهی داشته باشد.
گاروی توضیح می‌دهد: «ما قصد نداریم شبیه‌سازی‌ها را تقریب بزنیم، بلکه هدف ما تقریب زدن دنیای واقعی است. و برای انجام این کار، باید از داده‌های دنیای واقعی استفاده کنیم.»
وقتی که مدل متوجه شود یک سیستم چگونه رفتار می‌کند، می‌تواند به طور فعال در طراحی شرکت کند؛ امکانی که بسیاری از مهندسان در حوزه‌های دیگر نیز شروع به بررسی آن کرده‌اند. گاروی این موضوع را با درک تصویر مقایسه می‌کند: در آنجا نیز مدل‌های یادگیری ماشینی ابتدا باید درک تصاویر را یاد می‌گرفتند، اما وقتی در این کار مهارت پیدا کردند، گام بعدی آن‌ها به صورت طبیعی تولید تصویر بود.
یکی از بازارهای اولیه BeyondMath، مسابقات فرمول ۱ است، جایی که برخی تیم‌های نامشخص از نرم‌افزار این شرکت برای تسریع فرآیندهای طراحی آیرودینامیک و خودروهای خود استفاده می‌کنند.
گاروی می‌گوید: «آن‌ها از بزرگترین کاربران دینامیک سیالات محاسباتی هستند و با سرعت بالایی حرکت می‌کنند و تکنولوژی‌های جدید را سریعاً به کار می‌گیرند. ما با چند تیم فرمول ۱ همکاری نزدیکی داشته‌ایم و بسیاری از مشکلات اصلی آن‌ها را مورد ارزیابی و درک قرار داده‌ایم. ما در آستانه ارائه یک پلتفرم هستیم که واقعاً می‌تواند خودروهای آن‌ها را سریع‌تر کند.»
در واقع، گاروی با ابراز امیدواری (البته با تذکر همیشگی که هیچ تضمینی وجود ندارد) گفت که در طی شش ماه آینده “ما قادر خواهیم بود نشان دهیم که مشتریان از این مدل‌ها بهره‌مند شده‌اند و این تکنولوژی‌ها از مرحله تحقیق و اثبات مفهوم به چیزی تبدیل شده‌اند که تاثیر واقعی دارد.”
بودجه جدید باید به تحقق این امر کمک کند: BeyondMath به‌تازگی موفق به جمع‌آوری ۸.۵ میلیون دلار در دور اولیه سرمایه‌گذاری به رهبری UP.Partners و با مشارکت Insight Partners و InMotion Ventures شده است.
این استارتاپ قصد دارد اندازه تیم خود را دو برابر کند و قدرت محاسباتی خود را افزایش دهد؛ آن‌ها در حال خرید سیستم‌های Nvidia DGX 200 هستند و با این شرکت بزرگ تراشه‌سازی همکاری می‌کنند تا از این کاربرد جدید و جالب سخت‌افزارهای محاسباتی آن بهره‌برداری کنند.
هرچند جامعه مسابقات فرمول ۱، با رقابت بالا و سرمایه‌های کلان، قطعاً یک مشتری خوب برای BeyondMath به شمار می‌آید، اما این شرکت به فکر گام‌های بعدی خود نیز هست.
گاروی می‌گوید: «ما در فضای طراحی مشتریانمان موفقیت زیادی دیده‌ایم، اما مسیر از این موفقیت تا چیزی که قابلیت تعمیم بیشتری داشته باشد، طولانی است. برای مثال، اگر مدلی خودروها یا اشیای مشابه خودرو را درک کند، لزوماً یک هواپیما یا رگ خونی را درک نخواهد کرد. اما این همان رقص همیشگی استارتاپ‌هاست — شما باید مسیر خود را برای کسب موفقیت پیدا کنید تا بتوانید به مرحله بعدی برسید. به‌عنوان یک کسب‌وکار، ما روی این مشتریان سطح بالا تمرکز داریم تا آن‌ها بتوانند به توسعه و رشد شرکت کمک کنند.»
