مستقبل النماذج الصلبة: الاتجاهات في مجال تكامل التعلم في مجال التعليم الآي والآشين

مقدمة: ثورة AI في النمذجة الصلبة

وقد ظل النموذج الصلب منذ فترة طويلة العمود الفقري للتصميم الميكانيكي، والهندسة الفضائية الجوية، والصناعة التحويلية، ومن خلال التمثيلات التي أجريت في إطار الحاسوب المبكر في الستينات إلى نماذج نموذجية شبه قياسية، تطور الانضباط من خلال المذيبات الإضافية - المذيبات، والوصلات البينية الواسعة النطاق للمستعملين، وتشديد التكامل مع المحاكاة، ومع ذلك يجري الآن تحول أعمق في أدوات التصميم اليدوية.

وتستكشف هذه المادة أهم الاتجاهات في تقاطع منظمة العفو الدولية والنمذجة الصلبة، وتدرس التطبيقات الملموسة التي سبق إنتاجها، وتتطلع إلى التحديات والفرص التي ستحدد العقد المقبل من التصميم بمساعدة الحاسوب، والهدف هو توفير لمحة عامة عملية وموثوقة للمهندسين ومطوري المنتجات والمربين الذين يرغبون في البقاء قبل منحنى العقد.

A Brief Historical Context

ومن أجل تقدير مدى تطرف التحول في مجال التنفيذ، يساعد على التذكير بمسار المكافحة على مدى السنوات الخمسين الماضية، وقد اعتمد النموذج التقليدي الصلب على الخوارزميات المحددة: التمثيل الحدودي، والمقاييس الجيولوجية البنّاءة، والنمذجة المتماثلة القائمة على قيود واضحة، إذ يحدد مشغلي البشر كل بُعد، وكل علاقة، وكل سمة، ولا يقوم النظام بتنفيذ ابتكارات مفاجئة، ولا حلول قصيرة،

وعلى النقيض من ذلك، فإن التعلم في مجال الآلات والتعرف على النمط، إذ أن التجارب المبكرة في التسعينات قد استخدمت شبكات جديدة في مهام التصنيف البسيطة في مركز الدراسات الكيمائية، ولكن توافر الطاقة والبيانات الحاسوبية قد حد من أثرها، وقد برزت لحظة مستجمعات المياه في الفترة 2016-2018، عندما أظهرت نتائج ملحوظة في شكل ثلاثية الأبعاد وفي تجهيزات السحاب، وفي الوقت نفسه، فإن ارتفاع أدوات التصميم ذات الصبغة الجيني مثل الشركات المتحركية.

الاتجاهات الحالية في مجال النمذجة الصلبة

وهناك عدة اتجاهات مترابطة تعيد تحديد حالة الفن:

التصميم المنسّق كتدفق أساسي للعمل

وربما كان الاتجاه الأكثر وضوحا هو تعميم التصميم السخائي، فبدلا من رسم هيكل يدوي بين قوسين أو مغسلة حرارية، يحدد المصمم الاحتياجات الوظيفية، وشروط الحمل، والقيود المادية، وطريقة التصنيع، والخرفقيم، يولد مئات من المرشحين الصالحين، وينطوي على قدرة متطورة على إنتاج مواد خفيفة، وتقنية التطويع، وتقنية التر المزودة ببدائل، وهي لا تؤدي إلى زيادة في الوقت الراهن إلى زيادة في القدرة على توليد الطاقة الإنتاجية، وتطورية، ونسبة ٣٠ في المائة.

التخصيب في علم الطبقات

وكان التدرج الأمثل للأصول هو البحث الذي استمر منذ عقود، ولكن الأساليب التقليدية المتكررة باهظة التكلفة في كثير من الأحيان تتطلب عشرات من العناصر النهائية، وقد أظهرت نُهج جديدة للشبكة العصبية، بما في ذلك شبكات الفيزياء والتصميمات الوسيطة للأجهزة الكهربائية، ومعدلات التزود بالأجهزة الكهربائية، ومعدلات التكوين المثالية للأجهزة الكهربائية، في ثواني، مقارنة مع معامل التحلل القياسي للمقاييس

AI-Assisted Mesh Generation and Geometry Healing

وكثيرا ما ينطوي إعداد نموذج صلب للمحاكاة على تنظيف شديد، وتضييق الهوايات السيئة، وسد الثغرات، وخلق مشهد عالي الجودة، ويمكن الآن لنموذجات التعلم الماكين التي تم تدريبها على آلاف نماذج الأشعة السينية أن تكتشف وتصلح تلقائيا التناقضات الجيولوجية، كما أن أدوات مثل سيمسكي وشركة FE-Design تستخدم الغرامة في تحديد الهندسة القذرة وتقترح أيضا معالجة العناصر الذكية في أماكن أخرى.

نسق لنموذج 3D

ومن الاتجاهات الناشئة المذهلة استخدام نماذج اللغات الكبيرة لترجمة أوامر اللغة الطبيعية إلى عمليات نموذجية صلبة، بدلا من النقر عن طريق المنضدة، يمكن للمصمم أن يطبع " خطاً مكثفاً للخلايا الجامدة 50 ملم في مقياس مع جدران سميكة 3 ملم " ، بينما يولد النظام المميزة مثل ألفا3 دال وبحوث الملكية في " أوتبوست " .

التطبيقات الرئيسية للمنشطات الفضائية في النمذجة الصلبة

وفيما عدا الاتجاهات العامة، تعالج منظمة العفو الدولية نقاطاً معينة للألم عبر دورة حياة تطوير المنتجات، وفيما يلي بحث مجالات التطبيق الأربعة المذكورة في المادة الأصلية، التي تم توسيعها بأمثلة عن عمق تقني وعنصر حقيقي.

التسمية

التغير الموازي واستكشاف الفضاء

ويستخدم نظام التشغيل الآلي التقليدي للأجهزة الكيدية النصوص أو الكهروات لتباين البارامترات - الطول والزاوية وأجهزة التبريد - وتجديد النموذج، ويأخذ هذا الأمر بمزيد من الفعالية بمعرفة ما هي أهم المعايير، وباستخدام المقياس الأمثل للتشغيل البيزي أو التراجع في العملية الجازسية، يمكن لعامل من طراز ML أن يستكشف حيزاً عالياً للتصميم، ويقيّم الأهداف (ال الوزن، التكلفة، والقابلية للمقارنة).

شبكات التنوع الجيني لتوليد المفاهيم

ويجري الآن تدريب الشبكات العالمية لنظم التأمين، التي تشهد بصور واقعية، على مجموعات كبيرة من البيانات من الأجزاء الهندسية، ويمكن أن تولد شبكة GAN التي تم تدريبها على ملايين الأقواس الآلية تصميمات جديدة تماما بين قوسين تكون وظيفية ومتماسكة من الناحية الجمالية، وقد أظهر الباحثون في جامعة ميتشيغان وجود شبكة متعددة الجنسيات مشروطة تولد 3D Voxel نماذج من المكونات الهيكلية ذات طرق محددة للمستعملين.

كشف الخطأ

تصنيف الأثر في نماذج التصنيفات الموحدة

ويعتمد فحص الأخطاء التقليدية في مركز مكافحة التصحر على القواعد التي تم تحديدها بدقة: التحقق من الحواف الصفرية، أو الوجوه المتقاطعة، أو المملات المفقودة، ويمكن للتعلم في مجال الآلات أن يكشف عن أنماط تضفي على النظم القائمة على القواعد، وعلى سبيل المثال، فإن شبكة الظواهر العصبية التي تُدرب على الآراء المستقيمة لآلاف الملفات الجزئية يمكن أن تحدد خصائص التصميم التي يحتمل أن تسبب عيوب في التدفق أو التشويش.

الصيانة الافتراضية للجودة النموذجية

وهناك تطبيق آخر مبتكر للتنبؤ به عندما يكون نموذجاً هو " الارتداد " من الطبقات المتكررة، وكثيراً ما تعاني النماذج المتماثلة من قضايا الاسم الطبوغرافية عندما تتغير الهوية من الوجه أو الحافة بعد تعديل، وتكسر الإشارات المرجعية إلى أسفل المجرى، ويمكن أن تحلل نماذج الطول والتنبؤات التي يحتمل أن تفشل بعد تغيير، وتحذر المستخدم قبل نشر الخطأ، وهذا أمر مفيد بصفة خاصة بالنسبة للمجموعات الكبيرة أو المئات.

الاستخدام الأمثل للمواد

اختيار المواد

وينطوي اختيار المواد المناسبة لجزء منها على تحقيق التوازن بين القوة والوزن والتكاليف ومقاومة التآكل والقابلية للصنع، إذ تتضمن قواعد البيانات المادية مثل غرانتا إم آلاف من خصائص الممتلكات، ولكن البحث اليدوي عن أفضل المطابقة يستغرق وقتا طويلا، وتضع نماذج للتعلم الماكنة - وكثيرا ما تستند إلى الغابات العشوائية أو تعزيز التصنيف - تضيف إلى متطلبات التصميم وتنتج قائمة مرتبة من المواد المرشحة، مصممة حسب التوقعات.

AI-Synthesized Metamaterials

ربما أفضل طريقة لتقليل المواد هو تصميم هياكل الميثاماتتريات ذات خصائص غير موجودة في الطبيعة (نسبة بويسسون المؤثرة، التطرف إلى الوزن) ويمكن لنماذج التعلم العميق أن تولد هياكل كهربية صغيرة لسلوك مختلط، ثم تحولها تلقائياً إلى نموذج صلب مناسب للتصميم الآلي

المحاكاة والاختبار

نماذج بديلة للاعتماد السريع

ويمكن لتحليل العناصر المحددة بالكامل أو محاكاة السوائل المحوسبة أن تستغرق ساعات لكل مرة تسرب فيها التصميم، أما شبكة النيتروجين المتتالية فيجري تدريبها على مجموعة من المحاكاة المسبقة - يمكن أن تقارب الناتج في ثوان، وبالنسبة لنموذج صلب معين، فإن الفرز الافتراضي للإجهادي للتوترات، أو التفشي، أو أنماط التدفق المبكر التي تبلغ ٥ - ٠١ في المائة.

شبكات الظواهر العصبية المُطلعة على الفيزياء

وهناك بديل أكثر صرامة لبديلات الصناديق السوداء هو الشبكة العصبية المزودة بالمعلومات الفيزيائية التي تدمج معادلة التفاضلية الجزئية التي تحكم مباشرة في وظيفة الخسارة، وأجهزة الشرطة الوطنية تضمن أن التنبؤات التي تُتبع في الشبكة تُطبِّق القوانين المادية، مما يجعلها أكثر موثوقية بالنسبة للأجزاء الحرجة من السلامة، وبينما يمكن أن يكون تدريب شبكة معلومات عن الوصلات الوطنية موضع تحد، فإن العمل الأخير يبين أنها يمكن أن تحل محلول المواد غير الرسمية.

الاتجاهات والتحديات المستقبلية

وفي المستقبل، فإن إدماج مفهوم التنفيذ وخط العمل المتعدد الأطراف في وعود نموذجية صلبة يبشر بقدر أكبر من أدوات التشغيل الآلي والتصميم الأذكى، ولكن يجب التغلب على عدة عقبات قبل أن تصبح هذه التكنولوجيات متماثلة.

الاتجاهات المستقبلية

Autonomous CAD agentss

تخيل مستقبل يصف فيه مهندس مشكلة باللغة الطبيعية - أحتاج إلى خلية يمكن أن تدعم 200 نون، وتفتح 120 درجة، ويجب ألا تتجاوز 50 غراماً من الوزن - وينشئ عامل مستقل نموذجاً صلباً قابلاً للصنع، ويدير محاكاة، ويديرها إلى أن يتم الوفاء بجميع المتطلبات، وتوجد نماذج أولية من هذه العناصر في مختبرات البحوث، وتجميع نماذج مبتكرة ذاتية.

التعاوني في الوقت الحقيقي

(الخطوة التالية هي (آي أي) التي تشارك في جلسة التصميم، اقتراح تعديلات عندما ينشأ نزاع، تعديل العناصر المجاورة تلقائياً عندما تتغير البُعد، أو حتى التنبؤ بقصد المصمم، مثل هذا التعاوني (آي) سيتعلم من تاريخ تصميم الفريق ومعايير الشركة،

التكامل مع التوائم الرقمية

النموذج الصلب هو بذرة نسخة إلكترونية من منتج مادي في الوقت الحقيقي، وسوف تتيح النموذج الصلب تحديثاً دينامياً استناداً إلى بيانات الاستشعار من التوأم المادي، مثلاً، إذا كان جزء منها يختبر تذبذباً غير متوقع في الميدان، يمكن للمبادرة أن تعدل تلقائياً طب التجميل في النموذج الصلب لتعطيل ذلك اليقظة، ثم تدفع التصميم المستكمل إلى التصنيع.

التحديات

سجّالة البيانات ونوعيتها

وتقتضي نماذج التدريب على التنفيذ القوي مجموعات بيانات كبيرة ونظيفة وملصقة من النماذج الصلبة، وخلافا للصور أو النص، فإن نماذج الـ 3D CAD هي نماذج ملكية، ومتنوعة في شكلها، وكثيرا ما تحميها حقوق الملكية الفكرية، كما أن مجموعات البيانات العامة مثل ABC و Thingi10K ونموذج " ModelNet " مفيدة ولكنها تقتصر على أشكال بسيطة نسبيا، وقد تحتاج الشركات إلى توليد بيانات اصطناعية أو استخدام تقنيات مثل قلة من نوعية التعلم.

الشفافية النموذجية والثقة

والمهندسون يترددون في الاعتماد على نظام صندوق أسود، لا سيما بالنسبة للمكونات الحرجة للسلامة، وينبغي أن يكون النظام موضحاً لما اختاره من طب أو مادة معينة، كما أن البحث في مجال المعلومات المسبقة عن علم يمكن تفسيره بالنسبة للمؤسسة المذكورة هو أمر ناشئ؛ ويجري تكييف تقنيات مثل قيم برنامج العمل الإنساني أو خصائصه بحيث تُكيف مع التصميم الجغرافي للمخاطرة 3D.

التكلفة الحاسوبية

إن نماذج التعلم العميقة للصلصة من 3D مكثفة حاسبيا، إذ يمكن أن تكلف عملية تدريب واحدة لشبكة تصميمات متجانسة عشرات الآلاف من الدولارات في الوقت الذي يستخدم فيه الاتحاد العالمي لحفظ الطبيعة، ومع أن الاختبارات أرخص، فإنه لا يزال يتطلب معدات مخصصة، وقد يستبعد هذا الحاجز من التكلفة الشركات الأصغر ما لم تكن خدمات السحب والدفع مقابل الاستخدام الضار، غير أن التكاليف تتجه نحو الانخفاض، ويمكننا توقع التحول الديمقراطي.

التكامل مع نظم الإرث

ومعظم إدارات التصميم الصناعي تدير مجموعة من النظم القديمة للتجمعات الصناعية، وقواعد بيانات الإدارة المستدامة للأراضي، وبرامجيات تخطيط موارد المؤسسة، ولا يجب أن يؤدي إدخال السمات ذات القدرة على التنفيذ إلى تعطيل سير العمل القائمة، ويتعين على البائعين توفير مؤشرات الأداء والخدمات الصغرى التي تتدفق إلى البيئات الحالية، كما أن زيادة الكينل المتاح من المصادر المفتوحة (مثلاً، سلسلة " أوف سيكسيد " )، والشكل العالمي للملفات (

خاتمة

The future of solid modeling is not merely bright-it is being actively rewritten by the convergence of AI and ML. From generative design that explores millions of alternatives to surrogate simulations that cut analysis time from hours to seconds, the tools available to engineers are becoming faster,ellier, and far more creative. Students and educast() who immerse themselves in these trends-learning about machine learning fundamental design

وبطبيعة الحال، لا تزال هناك تحديات: جودة البيانات، والثقة في قرارات التنفيذ، والتكاليف الحاسوبية، والحاجة إلى الخبرة المتخصصة، وسيتطلب التغلب على هذه العقبات بذل جهود تعاونية بين الأوساط الأكاديمية، والبائعين البرمجيين، والمستعملين النهائيين، ومع ذلك فإن المسار غير قابل للتعديل، والسؤال هو ما إذا كانت المنظمة ستحول النموذج الصلب، ولكن كيف يمكننا أن نكيف بسرعة تدفقات عملنا ومهاراتنا وأذهاننا لكي نستفيد منها بالكامل.

وبالنسبة لمن هم على استعداد للانخراط، فإن الموارد آخذة في الازدياد. ]]]]] إجراء دراسات أكاديمية مركزة بشأن " AI " في التصميم ] توفر نقاط انطلاق ممتازة، وأدوات مفتوحة مثل CadQuery مقترنة بمكتبات تعلم آلي تسمح بإجراء تجارب عملية، ويجري حالياً بناء أساس متين.