TesboAI
TesboAI هو خط منتجاتنا المدفوع بالبحث، يطبّق التعلم الآلي والتعلم العميق والطرق الموجهة بالفيزياء ووكلاء النماذج اللغوية الكبيرة على ديناميكا الموائع الحسابية — مبنيًا على حلّالنا الأصلي على GPU.
ذكاء اصطناعي مدمج داخل حلقة CFD
معظم أدوات الذكاء الاصطناعي لـ CFD تجلس بجوار الحلّال وتنقل البيانات بين أجهزة منفصلة. صُمم TesboAI بشكل مختلف: لأنه مبني على حلّالنا الأصلي على GPU، فإن النماذج العصبية مُصممة للعمل داخل حلقة الحل على نفس وحدة معالجة الرسوميات، دون نقل بيانات بين الأجهزة. من البدائل غير المتصلة إلى المحاكاة القابلة للتفاضل والمقيدة فيزيائيًا، نتعامل مع الذكاء الاصطناعي كجزء أصلي من الحلّال وليس إضافة لاحقة.
أنجِز المحاكاة
بالمحادثة
اسأل، وتابع، وغيّر شرطًا، وقارن بين البدائل — واصل ما شئت. يتولّى الوكيل فهم المقصد والتنسيق، أمّا الأرقام فكلّها تخرج من حلّالنا على الـ GPU ولا تُعطى كنتيجة قبل أن تجتاز الفحوص.
إعادة تشغيل لجلسة حقيقية. كل رقم يخرج من حلّال الـ GPU ويُحكم عليه بفحوصه — ولا يولّد الذكاء الاصطناعي أيًّا من أرقام النتيجة.
الدليل، لا الوعود.
كل صورة وإطار أدناه حقلٌ حقيقيٌّ من الحلّال أو متوقَّع.
- 10×
انخفاض خطأ الحقل
دقة فائقة من حقل إلى حقل: انخفض L2 النسبي من 0.1–0.19 لخط أساس بالاستيفاء إلى نحو 0.01، بتدريب على 25 عيّنة.
- 92.3%
متوسط التحسّن على الاستيفاء
متوسط على مجموعة الاختبار من التشغيل ذاته. وعند الانتقال دون تدريب إلى دقة غير مرئية يتراجع المُشغِّل أقلّ من شبكة CNN مماثلة: 0.063 مقابل 0.084.
- 1.8×
تسريع الاستنتاج داخل الحلّال
لكل نداء استنتاج عند 4 ملايين خلية، بتشغيل النموذج في ذاكرة الحلّال نفسها. وعبر أجهزة منفصلة يُستهلك 45–65% من النداء في نقل البيانات.
دقة فائقة بالمُشغّل العصبي
يتعلّم مُشغّل فورييه العصبي (FNO) واحد تحويلاً حقلياً من الخشن إلى الدقيق ينتقل عبر دقّات الشبكة دون إعادة تدريب.
مستقلّ عن دقة الشبكة — تدريب خشن، تقييم دقيق.
الفيزياء القابلة للاشتقاق
دمج المعادلات الحاكمة في حلقة التدريب، بحيث يتعلّم النموذج بطريقة تحترم الفيزياء.
إغلاق اضطراب مُعتمِد على البيانات (TBNN)
تعلّم إغلاقات الاضطراب من بيانات عالية الدقة، مع تضمين الثوابت الفيزيائية في بنية النموذج.
نماذج أساسية · الاتّساع نحو التعميم
كلما اتّسع نطاق تدريب النموذج، تحسّن تعميمه عبر الظروف المختلفة.
SIREN — حقول بلا شبكة
نماذج مختزلة الرتبة POD / POD-NN
CFD وكيلي — حالات يقودها LLM
النطاق: تدفقات مرجعية ثنائية الأبعاد، ونماذج بحثية.
الذكاء الاصطناعي مظلّة، وليس الطريقة
نستخدم مصطلح الذكاء الاصطناعي كاسم للمجال فقط. عمليًا نعمل عبر أربع فئات منهجية متمايزة، ونوضّح أيّها ينطبق.
طرق إحصائية وخفض أبعاد غير عصبية مثل POD.
شبكات عصبية عميقة — مشغّلات عصبية، شبكات إحداثيات، إغلاقات أساس موتري، مرمّزات ذاتية.
تعلم عميق مدموج بطرق عددية (مرافق، متبقّيات PDE) — فئة قائمة بذاتها، وليست تعلمًا آليًا صرفًا.
نماذج توليدية لإعداد الحالات باللغة الطبيعية والتنسيق — وليست نماذج عددية.
القدرات الأساسية
استدلال بسرعة التصميم
بعد التدريب، تستهدف بدائل الذكاء الاصطناعي تقييمًا شبه فوري، محوِّلةً تكرارات التصميم من ساعات إلى دورات تفاعلية.
أتمتة شاملة
من أخذ العينات إلى الاستدلال والتصور، صُمم خط الإنتاج للعمل دون إعداد CFD يدوي.
نماذج خاصة بالمجال
نماذج مخصصة لمختلف التطبيقات والفيزياء، لتبقى المخرجات موثوقة وقابلة للنشر في مجالها المستهدف.
متّسقة فيزيائيًا
تُدمج قيود فيزيائية مثل خلوّ التباعد في التدريب لإبقاء التنبؤات متسقة فيزيائيًا، وليست معقولة بصريًا فحسب.
من البديل إلى القابل للتفاضل
يتقدم عملنا عبر مستويات متزايدة من التكامل بين الذكاء الاصطناعي والحلّال.
مقارنة مع CFD التقليدي
CFD التقليدي
- يتطلب معرفة بالمجال
- إنشاء الشبكة وإعداد الحلّال: ساعات إلى أيام
- استكشاف مساحة التصميم مكلف للغاية
تصميم CFD بمساعدة الذكاء الاصطناعي
- لا حاجة لإعداد يدوي؛ استدلال بنقرة واحدة
- لكل تقييم: ميلي ثانية إلى ثوانٍ
- دورات تصميم تفاعلية مع ملاحظات فورية
ابنِ مع TesboAI
تستكشف التصميم بمساعدة الذكاء الاصطناعي، أو لديك مشكلة تحتاج إلى بديل مخصص؟ يسعدنا أن نسمع منك.