VEKTRA 374

La IA impulsa las simulaciones CAE al reducir tiempos, optimizar diseños y acelerar la innovación mediante un flujo de trabajo integral con tecnologías Nvidia.

En el mundo de la ingeniería moderna, la velocidad de innovación depende en gran medida de la capacidad de realizar simulaciones rápidas y precisas.

La ingeniería asistida por computadora (CAE) se ha convertido en una herramienta fundamental para diseñar productos confiables, ya que permite verificar su rendimiento y seguridad antes de llegar a la etapa de fabricación.

Pero las simulaciones numéricas tradicionales, aunque precisas, suelen tardar desde horas hasta semanas, lo que limita la exploración de múltiples alternativas de diseño y retrasa los ciclos de retroalimentación.

IA como aliada de las simulaciones

Para superar esta barrera, los ingenieros han comenzado a utilizar modelos de inteligencia artificial basados en la física.

Estos modelos sustitutos, entrenados con datos de simulaciones convencionales, son capaces de generar resultados aproximados en segundos o minutos.

De esta manera, facilitan la exploración inicial de un rango más amplio de opciones de diseño sin reemplazar a los solucionadores tradicionales, los cuales siguen siendo esenciales para la validación final.

El enfoque híbrido permite equilibrar rapidez y precisión, mejorando la eficiencia en el proceso de innovación.

Un flujo de trabajo integral con Nvidia

Un caso práctico de aerodinámica automotriz muestra cómo aprovechar la IA en simulaciones CAE a través de un flujo de trabajo modular respaldado por tecnologías de Nvidia.

El proceso comienza con el preprocesamiento de datos mediante PhysicsNeMo Curator, que organiza y prepara conjuntos de datos científicos para acelerar el entrenamiento de modelos.

Luego, el entrenamiento de modelos de física de IA con PhysicsNeMo aprovecha arquitecturas avanzadas para crear predictores fiables. Posteriormente, la implementación con microservicios Nvidia NIM permite desplegar los modelos entrenados y acceder a las predicciones a través de API estándar.

Finalmente, la visualización interactiva con Nvidia Omniverse y Kit-CAE ofrece entornos 3D realistas para explorar grandes volúmenes de datos de simulación de manera colaborativa.

Un conjunto de datos práctico para la enseñanza y el prototipado

Para ejemplificar el flujo de trabajo, se emplea un conjunto de datos ligero que incluye múltiples diseños de cuerpos de Ahmed con diferentes números de Reynolds.

El dataset, que contiene geometría 3D, distribuciones de presión y campos de tensión cortante en la pared, resulta ideal para simulaciones aerodinámicas. Su tamaño compacto facilita experimentos rápidos, perfectos para la enseñanza, la creación de prototipos y la iteración ágil.

Con este enfoque, las simulaciones CAE impulsadas por IA se posicionan como un recurso clave para acelerar la innovación, ofreciendo a ingenieros y desarrolladores una herramienta potente, adaptable y eficiente.

Con información de Nvidia.