Simulasi dunia nyata adalah masalah yang sangat rumit jika Anda ingin melakukannya pada tingkat ketepatan yang bermanfaat. Teknik tradisional menghambat tim desain di perusahaan kendaraan dan kedirgantaraan, tetapi BeyondMath menggunakan AI untuk tugas tersebut dengan cara baru dalam mensimulasikan dunia yang dapat menghemat waktu tunggu berhari-hari atau berminggu-minggu.
“Tidak seperti bahasa, di mana kita tidak memiliki model matematika untuk menjelaskan kata berikutnya, dalam fisika, kita memilikinya. Dan yang kami lihat adalah bahwa pembelajaran mesin sebenarnya cukup bagus dalam komputasi, bukan hanya pengenalan pola,” kata salah satu pendiri Darren Garvey.
IKLAN
GULIR UNTUK MELANJUTKAN KONTEN
Bidang yang menjadi awal BeyondMath disebut dinamika fluida komputasional (CFD), dan bidang ini sudah ada selama komputasi ada. Persamaan yang mengatur bagaimana sebuah objek bergerak melalui udara atau air, atau udara di sekitar sebuah objek, sangatlah rumit. Jadi, meskipun kami terus meningkatkan kemampuan kami untuk memprediksi, misalnya, bagaimana udara mengalir di atas sayap, kami masih jauh dari sempurna — dan apa yang dapat kami lakukan memerlukan begitu banyak daya komputasi sehingga terbatas pada superkomputer dan kluster GPU.
Hasilnya adalah bahwa proses desain dalam industri seperti mobil, pesawat terbang, dan kapal melibatkan banyak waktu pengerjaan.
“Sebagai seorang desainer, mereka banyak berpikir tentang apa yang mungkin berhasil, lalu mereka menjalankan simulasi. Kemudian mereka datang keesokan paginya dan mendapatkan hasilnya. Entah hasilnya sesuai dengan yang mereka inginkan atau tidak, dan mereka harus mengulanginya beberapa kali lagi. Kemudian Anda membawanya ke terowongan angin,” kata Garvey — dan terowongan angin mungkin tidak sesuai dengan simulasi, jadi semuanya kembali ke papan gambar.
Sasaran BeyondMath adalah untuk mempercepat sisi desain digital, yang berarti memperpendek waktu tunda antara munculnya ide dan mengetahui kemungkinan keberhasilannya.
“Mereka berkata, jika saya membuat perubahan desain ini, apakah mobil saya akan lebih hemat bahan bakar? Bayangkan Anda memiliki waktu enam bulan untuk mendesain komponen pesawat terbang. Mengingat waktu yang dibutuhkan untuk melakukan simulasi, Anda mungkin mendapatkan 20 kali percobaan untuk mencoba berbagai hal. Namun, jika seorang desainer memikirkan sebuah ide dan mendapatkan hasil dalam hitungan detik atau menit, dalam enam bulan yang sama Anda mungkin dapat membuat sejuta perubahan,” kata Garvey.
Dan tampaknya pembelajaran mesin, bukan hanya GPU yang menjalankan persamaan lama yang sama, adalah cara untuk melakukannya. Produk pertama mereka adalah “terowongan angin digital” yang menyediakan simulasi aliran udara hampir secara real-time di atas permukaan yang kompleks dengan presisi yang biasanya membutuhkan waktu ratusan kali lebih lama.
Kita telah melihat hal ini dalam literatur ilmiah, di mana model sistem cuaca dapat diramalkan secara efektif dalam jangka waktu yang jauh lebih singkat, menggunakan model pembelajaran mesin yang dilatih pada ribuan jam simulasi dan pola yang diamati. Namun BeyondMath tidak memiliki kemewahan berupa perangkat pelatihan yang sudah ada sebelumnya.
“Tidak banyak data simulasi di luar sana — kami tidak memiliki internet untuk pelatihan, seperti LLM. Jadi, bagaimana Anda mendapatkan sesuatu yang setara dengan apa yang digunakan oleh para desainer, yang mengerjakan geometri yang sangat rumit ini, sebagai perusahaan rintisan?”
Anehnya, jawaban yang mereka temukan bukanlah mengandalkan simulasi, melainkan memiliki model yang memahami teori di balik sesuatu seperti terowongan angin, serta realitas yang diamati dari teori tersebut.
“Kami tidak mencoba untuk mendekati simulasi, kami mencoba mendekati dunia nyata,” kata Garvey. “Dan Anda harus memasukkan data dunia nyata untuk melakukan itu.”
Setelah model memahami perilaku sistem, model tersebut juga dapat menjadi peserta aktif dalam desain, sebuah kemungkinan yang telah mulai dieksplorasi oleh banyak insinyur di domain lain. Garvey membandingkannya dengan pemahaman gambar: Di sana, model pembelajaran mesin harus berjalan sebelum dapat berlari, tetapi setelah mereka pandai menganalisis gambar, langkah intuitif berikutnya bagi mereka adalah menghasilkan gambar.
Salah satu pasar pertama BeyondMath adalah balap Formula 1, di mana beberapa tim yang tidak disebutkan namanya sedang menjajaki penggunaan perangkat lunak tersebut untuk mempercepat proses aerodinamika dan desain kendaraan mereka.
“Mereka adalah salah satu pengguna CFD terbesar, dan mereka bergerak cepat, mereka akan mengadopsi teknologi baru. Kami telah bekerja sama erat dengan beberapa tim F1, melakukan banyak evaluasi, dan memahami masalah inti mereka. Kami hampir memiliki platform yang benar-benar akan membuat mobil mereka lebih cepat,” kata Garvey.
Bahkan, ia menyatakan harapan (dengan peringatan yang biasa bahwa tidak ada jaminan) bahwa dalam waktu enam bulan “kami akan mampu menunjukkan bahwa pelanggan mendapatkan nilai dari model-model ini, dan mereka telah beralih dari penelitian dan pembuktian konsep ke hal-hal yang memiliki dampak nyata.”
Pendanaan baru akan membantu mewujudkannya: BeyondMath baru saja mengumpulkan dana awal sebesar $8,5 juta yang dipimpin oleh UP.Partners, dengan partisipasi dari Insight Partners dan InMotion Ventures.
Perusahaan rintisan itu berharap dapat melipatgandakan ukuran timnya dan meningkatkan skala komputasinya; mereka membeli Nvidia DGX 200 dan bekerja sama dengan raksasa chip itu untuk mengembangkan aplikasi baru yang menarik dari perangkat keras komputasi yang ada di mana-mana.
Sementara komunitas balap F1 yang sangat kompetitif dan berkantong tebal tentu saja merupakan pelanggan yang baik, BeyondMath sedang mempertimbangkan langkah selanjutnya.
“Kami melihat banyak keberhasilan dalam bidang desain pelanggan, tetapi ada perjalanan dari sana ke sesuatu yang lebih umum. Misalnya, jika sebuah model memahami mobil, atau objek seperti mobil, model tersebut belum tentu memahami pesawat terbang, atau pembuluh darah,” kata Garvey. “Namun, itulah tarian startup klasik — Anda harus menemukan jalur menuju daya tarik sebelum Anda memiliki platform untuk berkembang. Sebagai sebuah bisnis, kami berfokus pada pelanggan papan atas ini sehingga mereka dapat membantu membangun perusahaan.”
NewsRoom.id
