התפתחות תרמית
לפני שנתיים צוות של HP עמד בפני האתגר להוציא יותר זרימת אוויר מצינור המשמש לקירור ראשי ההדפסה של מדפסת הזרקת דיו הקרובה.
ללא קירור יעיל בכדי לשמור על זרימת הדיו בטמפרטורה הנכונה, המדפסת אינה יכולה לפעול במהירות מלאה. סימולציות הראו שתכנון הצינורות המסורתי גורם ליותר מדי מחזור וטורבולנות לעבוד בצורה יעילה.
כדי לעקוף את הבעיות, HP עבדה עם מהנדסים בתעשייה הדיגיטלית של סימנס, ששילבו סימולציות של זרימת נוזלים עם טכניקת CAD מכנית טכנית המכונה כיום תכנון גנראטיבי כדי לבנות מבנה שונה בתכלית.
"כשהעיצוב התגבש, זה סוג של התנגדות לכל מה שכולם כללו ציפו לו," אמר מהנדס סימולציה של סימנס, ג'וליאן גאנץ, לאחר השקת המדפסת שתשתמש בצינור, והצביע על בליטה דמוית לשון בתכנון הסופי שקודמו. חסר.
ישנן שתי טקטיקות עיקריות המשמשות לסוג זה של עיצוב גנראטיבי. האחת היא ליצור גרסאות אקראיות לאחר כל הפעלת סימולציה מתוך ציפייה שאחת או יותר יעבדו טוב יותר. דבר נוסף הוא להתגורר באזורים בעייתיים, כגון מחזור בצינור המדפסת של HP, ולהעלות צורות שנראות ככל הנראה כמפחיתות את הבעיה לפני שמדמים חלק שלם כדי לראות עד כמה השינויים עבדו. HP רחוקה מלהיות לבד בניצול תכנון מונחה סימולציה.
למעלה: תוצאה של תכנון גנראטיבי - שפע צינורות צינור HP
טום גרגורי, מנהל מוצר של ספק כלי ניתוח תרמי Future Facilities אומר כי כלי ה- 6SigmaET של החברה שלו שימש לקביעת הצורה האופטימלית לסיכות המשמשות בסגנון גוף הקירור הזה.
"האופטימיזציה בוצעה על ידי שימוש באלגוריתמים גנטיים בשילוב עם CFD. מטרת האופטימיזציה הייתה להפחית את ירידת הלחץ על פני גוף הקירור תוך שמירה על ביצועים תרמיים. "
למרות שניתן לחלוטין ליצור את הגרסאות או האיטרציות ביד, נראה כי למידת מכונה היא כלי שימושי לעיצוב גנראטיבי מכיוון שבאופן עקרוני היא יכולה ליצור וריאציות במהירות ולהביא לתוצאות בלתי צפויות אך יעילות בלתי צפויות. גרגורי מצביע על מספר עבודות מחקר שהעלו עיצובי קירור חדשים. ”העיצובים שנוצרים מרשימים ומדהימים מבחינה ויזואלית. עם זאת, הם לא יכולים להיות מיוצרים בשיטות מסורתיות. "
הדפסת תלת מימד אינה חיונית
במונחים של צלעות קירור לעיתים קרובות יש צורך בהדפסת תלת מימד, וכך גם זרבובית HP. אולם מכיוון שזה החלף שישה חלקים מעוצבים בהזרקה, החלק החדש הסתדר בצורה חסכונית יותר לאחר שתהליך האופטי של הדפסת התלת מימד היה ממוטב.
ליבן וורקן, מנכ"ל ומייסד שותף של הסטארט-אפ העיצוב הגנריגי בבלגיה, Diabatix, אומר כי הדפסת תלת מימד אינה חיונית.
"יש לנו כמה טכניקות ייצור שאנו תומכים בהן כברירת מחדל, כגון עיבוד שבבי CNC, שחול, יציקת גבס ויצירת מתכות," אומר ורקן. לכל אחד מהם השימוש בשווקים שונים. לדוגמא, גיליונות מתכת הוכיחו את עצמם כשימושיים לייצור לוחות סוללות גדולים הנחוצים לרכבים חשמליים.
Diabatix בנתה סביבה גנרית סביב מבחר של כלי עיצוב קוד פתוח וסימולציה המעדנים את המבנה של גוף קירור או רכיב קירור בהתבסס על ניתוח הכלים של הזרימה התרמית והמבנה המכני.
החברה נערכת להשקת גרסת הכלים המתארחת בענן באפריל.
למרות שעיצוב גנריטי יכול להשתמש באקראיות ליצירת עיצובים חדשים, זו לא הייתה הגישה שנקטה על ידי Diabatix. הבעיה באקראיות היא שתקורת הסימולציה הנחוצה להערכת כל גרסה הופכת את הטכניקה לבלתי מדי. במקום זאת, אומר ורקן כי הגישה בה משתמש הסטארט-אפ משתמשת בלימוד מכונה לבניית אלגוריתמים שיכולים לבוא עם צורות ומבנים יעילים אך לעיתים קרובות בלתי צפויים במקום הסנפירים המקבילים הנמצאים ברוב העיצובים הקונבנציונליים, עם מגבלות ייצור המשמשות כדי למנוע מהם להפוך לא מעשי מכדי לייצר.
"זו הסיבה שנוכל לייצר עד 30 אחוז ביצועי קירור נוספים", טוען ורקן.
למעלה: עיצוב תלת ממדי מבית Diabatix
הנדסת תרמית
יעד פוטנציאלי נוסף ללימוד מכונה בהנדסת תרמית הוא צמצום צוואר הבקבוק שמופיע על ידי סימולציה אם יש צורך לנתח מספר גדול של וריאנטים במקביל לפני שניתן יהיה להתקדם.
הכשרה של מודל למידה עמוקה עם תוצאות של סימולציות מקיפות שימשה בתחומים כמו מחקר על חומרים ופיזיקת חלקיקים מכיוון שהמודלים המאומנים יכולים לרוץ מהר יותר מהסימולציות המקוריות, שעשויים לקחת ימים עד להשלמתם גם במחשב-על. הם אינם מציעים דיוק מלא אך ניתן להשתמש בהם בדרך מהירה לבית בפרמטרים לפני הפעלת סימולציה מפורטת סופית.
יצרנית ה- GPU nVidia, שהיא כבר תומכת חזקה בלמידת מכונה, הפעילה את אותה הטכניקה על פרויקט בשם SimNet כדי לעשות את אותו הדבר לגבי סוגים של מודלים CFD (נוזלים חישוביים) המשמשים להנדסת תרמית.
בעיה מרכזית היא שלמידה עמוקה עצמה היא אינטנסיבית מבחינה חישובית ודורשת שבועות של סימולציה כדי לבנות מערך אימונים מספיק גדול כדי לאפשר למודל AI ללמוד כיצד פרמטרים משפיעים על זרימת האוויר והחום בחלל.
ורקן אומר כי מגוון הפרויקטים שבהם הם מעורבים, אשר נע בקנה מידה בין מעבדי קירור למעבד טלפון סלולרי לפלטה קרה של סוללות בקנה מידה, מגדיל את מורכבות הבעיה.
”להכשיר דגם בודד כדי לכסות את כל הטווח הזה? זה קשה ", אומר ורקקן ואומר כי הגיוני יותר לתעדף למידת מכונה לכלי התכנון ולא למנוע הסימולציה.
כנגד מהירות אפשרית מבוססת AI, עליכם לשקול את התרומות שיכולות לנבוע פשוט ממיטוב האלגוריתמים של דינמיקת נוזלים חישובית (CFD) באופן ישיר.
ספקים מומחים כמו מתקנים עתידיים השתמשו בביצוע רב-ליבות ובאופטימיזציות אחרות כדי לקצר את זמן ההסבה הכללי. במחקר שנערך עם Rohde & Schwarz, הזמן שנדרש מהפעלת סימולציה מייבוא CAD דרך ייצור רשת לניתוח נחתך מתחת ל -15 שעות מיותר מ -40.
כמו גם צלעות קירור, ניתן ליישם למידת מכונה מונעת סימולציה על עיצוב מכשירי ליבה ומערכת.
"תחום אחד שעובדים במתקנים עתידיים עם קבוצות מחקר של למידת מכונה הוא שימוש בסימולציה של CFD להכשרת אלגוריתמים של למידת מכונה", מציין גרגורי.
ישנם מספר תחומים בהם למידת מכונה יכולה להועיל. האחת היא לעזור בבניית מודלים פשוטים של ייצור והעברת חום שיכולים להנחות אלגוריתמים המשמשים להחלטה מתי לכבות מעבדים ב- SoC רב-ליבתי.
"סימולציה תרמית יכולה לאמן בקלות את אלגוריתם למידת המכונה כיצד טמפרטורת המכשיר תשתנה בהתאם לשימוש במעבד. ניתן לעשות זאת במהירות במקביל לפני שהמכשיר בכלל יוצר ", אומר גרגורי.
שימוש אחר טמון במחקר ופיתוח עבור סוגים חדשים של מכשירים, כמו אלה המשמשים לאלקטרוניקה כוח, כאשר חום יתר עלול לגרום לברוח תרמית ולבעיות בטיחות אחרות. "נתוני אימונים מקיפים הם חיוניים לאלגוריתם יעיל של למידת מכונה, אך לרוב אין זה מעשי או בטוח להשיג נתוני אימון ממכשירים פיזיים. אם אתה מבצע אופטימיזציה של מכשיר או מערכת חדשה, יתכן שלא נוצר מכשיר פיזי, "אומר גרגורי.
ביצועים אינם המניע היחיד לשימוש במודלים מבוססי בינה מלאכותית. "לעיתים קרובות זה פתרון זול יותר שהם מחפשים", מוסיף Vervecken. "יש תפיסה שגויה שקיימת אצלנו טֶכנוֹלוֹגִיָה. לא תמיד אנחנו מחפשים את גוף הקירור היעיל ביותר. יש לנו פרויקט בעיצומו שבו הלקוח מחפש במקום זאת את הפתרון המשתלם ביותר. הלקוח אמר שהביצועים אינם מהווים בעיה: העיצוב הקיים כבר מוגזם ב-30%, אבל הם לא יכולים לגרום לסוג העיצוב הזה להיות זול יותר".
עדיין מדובר בימים הראשונים של למידת מכונות להנדסה תרמית, אך טכניקות תכנון גנריות מדגימות את ערך הסימולציה ואיטרציה מהירה בהבאת עיצובים שעובדים טוב יותר, מסתדרים זול יותר או שניהם.