Rivoluzionare l'ingegneria: il nuovo ruolo dell'intelligenza artificiale nella risoluzione di equazioni complesse più velocemente dei supercomputer

I supercomputer sono noti per le loro elevate prestazioni, che consentono loro di risolvere complessi problemi computazionali. I computer più veloci al mondo, queste macchine possono elaborare enormi set di dati ed eseguire calcoli complessi a velocità elevate, in grado di risolvere fino a un quintilione di calcoli al secondo.

È interessante notare che proprio questa settimana, il gigante della tecnologia Google svelato il suo chip di nuova generazione chiamato "Willow", che funziona utilizzando qubit superconduttori ed è in grado di risolvere un problema matematico complesso in soli cinque minuti, riducendo esponenzialmente gli errori. 

Nonostante le sue prestazioni impressionanti, il chip quantistico è non è affatto vicino alla rottura crittografia moderna.

In mezzo a tutto questo, una nuova intelligenza artificiale (IA) è in grado di risolvere complessi problemi di ingegneria persino più velocemente dei supercomputer. La nuova soluzione tecnologica arriva dai ricercatori della Johns Hopkins, che possono cambiare le regole del gioco nel campo dell'ingegneria.

La nuova era dell'intelligenza artificiale 

Dopo essere stata un argomento caldo per anni, l'IA ha finalmente iniziato a essere utilizzata in modo significativo in settori chiave. Il suo immenso potenziale per migliorare l'efficienza e la produttività ha il suo mercato crescendo oltre i 184 miliardi di dollari quest'anno and is proiettato a aumentare i ricavi di oltre 15 trilioni di dollari entro la fine di questo decennio. 

Un recente rapporto ha rilevato che il 68% delle organizzazioni utilizza attivamente l'intelligenza artificiale di generazione o ha sviluppato roadmap in seguito a implementazioni pilota di successo. 

Mentre l’intelligenza artificiale continua a trasformare vari settori industriali, in particolare nel panorama ingegneristico, le persone si trovano ora ad affrontare la sfida di diventare obsolete. Le stime suggeriscono che nel prossimo decennio, fino al 40% delle attività ingegneristiche potrebbero essere automatizzate.

Per comprendere l'impatto dell'intelligenza artificiale sul mondo, dobbiamo prima capire che l'intelligenza artificiale è semplicemente una tecnologia che consente alle macchine e ai computer di simulare il pensiero, l'apprendimento, la comprensione, la risoluzione dei problemi, il processo decisionale e la creatività umani. 

Alla base dell'intelligenza artificiale c'è l'apprendimento automatico, che consiste nell'addestrare un algoritmo per creare modelli che utilizzano i dati per prendere decisioni e fare previsioni. 

Esistono diversi tipi di algoritmi o tecniche di apprendimento automatico, e le reti neurali artificiali sono uno dei tipi più popolari. Queste reti sono modellate sulla struttura e la funzione del cervello umano. 

Il deep learning, un sottoinsieme del machine learning, utilizza reti neurali multistrato che sono ancora più efficaci nel simulare il complesso potere decisionale del cervello umano. Queste reti apprendono dai dati e vengono utilizzate per risolvere diversi problemi, che vanno dal riconoscimento di immagini e parlato all'elaborazione del linguaggio naturale. 

Il Deep Learning sta cambiando radicalmente il modo in cui le macchine interagiscono con dati complessi, con la capacità di superare le prestazioni umane e di raggiungere un'elevata precisione.

Utilizzare l'intelligenza artificiale per affrontare problemi complessi 

L'intelligenza artificiale offre numerosi vantaggi, come l'automazione di attività ripetitive, la riduzione degli errori umani, la disponibilità 24 ore su 24 e un processo decisionale migliorato, che hanno portato alla sua applicazione in tutti i tipi di attività in tutti i settori.

La capacità della tecnologia di analizzare in modo efficiente grandi quantità di dati, identificare modelli che potrebbero essere sfuggiti agli esseri umani e infine eseguire calcoli rapidi rende l'intelligenza artificiale un ottimo strumento per risolvere problemi complessiQuando si ha a che fare con grandi set di dati e scenari decisionali complessi che richiederebbero molto tempo o sarebbero impossibili da gestire da soli per gli esseri umani, l'intelligenza artificiale può essere immensamente utile.

Da qui, un'attenzione crescente all'utilizzo dell'IA per risolvere problemi complessi. Un anno fa, i ricercatori del MIT e dell'ETH di Zurigo ha utilizzato l'apprendimento automatico per risolvere il problema di ottimizzazione di instradamento efficiente dei pacchetti vacanze per aziende come FedEx.

Queste aziende utilizzano un software chiamato risolutore MILP (Mixed-Integer Linear Programming), che suddivide il problema in parti più piccole e utilizza algoritmi generici per trovare la soluzione migliore, il che potrebbe richiedere ore o persino giorni.

Qui, la parte fondamentale che rallenta l'intero processo è che i risolutori MILP hanno troppe soluzioni potenziali. I ricercatori hanno utilizzato un meccanismo di filtraggio per semplificare questo passaggio, che ha accelerato i risolutori MILP tra il 30 e il 70% senza influire sulla precisione. Per questo, la tecnica si è basata sul principio dei rendimenti marginali decrescenti e poi usato apprendimento automatico, addestrato con un set di dati specifico per il problema, per trovare la soluzione ottimale tra il numero ridotto di opzioni.

Proprio all'inizio di questo mese, una startup con sede a Londra, PhysicsX, ha introdotto un grande modello geometrico chiamato LGM-Aero per l'ingegneria aerospaziale. Il modello di geometria e fisica è prevista per contribuire a ridurre notevolmente i tempi di sviluppo del concept aeronautico. L'azienda ha reso accessibile al pubblico un'applicazione di riferimento ("Ai.rplane") basata su LGM-Aero per dimostrare le capacità del suo modello nella generazione di progetti aeronautici e nella previsione dei parametri fisici relativi alle prestazioni degli aeromobili. 

Il modello è addestrato su Amazon Web Services (AWS) cloud compute utilizzando oltre 25 milioni di forme diverse, che rappresentano oltre 10 miliardi di vertici. I suoi dati di training includono anche una raccolta di simulazioni di fluidodinamica computazionale (CFD) e analisi di elementi finiti (FEA) generate in collaborazione con Siemens. 

Proprio come gli LLM comprendono il testo, l'LGM ha una vasta conoscenza delle forme e delle strutture importanti per l'ingegneria aerospaziale e, in quanto tale, "può ottimizzare più tipi di fisica in pochi secondi, molti ordini di grandezza più velocemente della simulazione numerica e con lo stesso livello di accuratezza", ha affermato il CEO Jacomo Corbo.

Quest'anno, OpenAI, la società di ricerca sull'intelligenza artificiale sostenuta da Microsoft che ha ideato ChatGPT, ha presentato anche i suoi ultimi modelli, o1-preview e o1-mini, che rivendicano un significativo balzo in avanti nelle capacità di ragionamento dei grandi modelli linguistici (LLM). 

Il modello è dotato della capacità di usare il "ragionamento a catena di pensiero", simile a quello che fanno gli umani quando risolvono un problema, che implica la suddivisione di cose complesse in compiti piccoli e gestibili. L'applicazione del ragionamento simile a quello umano negli LLM ha è stato osservato in precedenza anche da Google Research e altri. 

Un nuovo modello di intelligenza artificiale per risolvere le equazioni differenziali alle derivate parziali

Con la continua crescita dell'uso e della popolarità dell'intelligenza artificiale, aumentano anche le sue capacità, con ricercatori e aziende che lavorano per rendere la tecnologia migliore e più precisa. 

Migliori ultimo framework di intelligenza artificiale dai ricercatori della Johns Hopkins sta adottando un approccio generico per prevedere soluzioni a equazioni matematiche diffuse e che richiedono molto tempo. Le equazioni differenziali parziali (PDE) sono un compito pervasivo nel campo della ricerca in ingegneria e medicina. 

Tuttavia, i costi computazionali coinvolti nella risoluzione di queste equazioni possono essere proibitivi. Inoltre, risolvere questi enormi problemi matematici richiede generalmente supercomputer, ma non più. 

Il nuovo framework di intelligenza artificiale consente anche ai personal computer di affrontare queste equazioni differenziali parziali che gli scienziati utilizzano per tradurre processi o sistemi del mondo reale in rappresentazioni matematiche di come gli oggetti cambiano nel tempo e nello spazio.

Non è la prima volta che viene proposto un modello di intelligenza artificiale per risolvere le equazioni differenziali alle derivate parziali; infatti, la sua idea è stata condivisa per la prima volta qualche decennio fa. Nel campo emergente dell'apprendimento automatico scientifico, la risoluzione di equazioni differenziali parziali con reti neurali ha guadagnato molta attenzione nell'ultimo decennio grazie a tutti i progressi nella capacità computazionale per l'addestramento di reti neurali profonde. 

Nonostante il successo dell'operatore neurale, che utilizza l'intelligenza artificiale per apprendere l'operatore di soluzione delle equazioni differenziali alle derivate parziali, le ultime ricerche hanno evidenziato che continuano a sussistere colli di bottiglia computazionali quando si eseguono attività di ottimizzazione e prognosi. Questo è dovuto all'incapacità degli operatori neurali di valutare le soluzioni PDE che dipendono dalla geometria.

Attualmente, la maggior parte dei framework degli operatori neurali, come ha notato lo studio, sono sviluppati su un dominio con confini fissi. Inoltre, avere variazioni di forma richiede il riaddestramento della rete neurale. 

Quindi, con l'obiettivo di affrontare queste sfide computazionali, i ricercatori hanno proposto DIMON — Diffeomorphic Mapping Operator Learning. Per questo, hanno combinato operatori neurali con mappature diffeomorfiche tra domini e forme. 

Il modello elimina la necessità di ricalcolare le griglie a ogni cambio di forma. In questo modo, DIMON può accelerare le simulazioni e ottimizzare i progetti prevedendo esattamente come si comportano elementi fisici come movimento, stress e calore in forme diverse, anziché scomporre forme complesse in piccoli elementi.

In genere, la risoluzione di queste equazioni comporta la rottura di forme complesse, come organi umani o ali di aeroplano, in griglie o maglie composte da piccoli elementi. Il problema viene quindi risolto su ogni pezzo semplice prima che venga ricombinato. 

Tuttavia, se queste forme cambiano a causa di un incidente o di una deformazione, le griglie devono essere aggiornateCiò significa che anche le soluzioni devono essere ricalcolate, il che rende l'intero processo di calcolo non solo costoso, ma anche lento. 

In questo caso, DIMON impiega l'intelligenza artificiale per comprendere il funzionamento dei sistemi fisici con diverse forme. In questo modo, i ricercatori non devono più suddividere le forme in griglie e risolvere equazioni ripetutamente; l'intelligenza artificiale sfrutta invece i modelli che ha appreso per prevedere il comportamento di diversi fattori, rendendo più efficiente e veloce la modellazione di scenari specifici per ogni forma e l'ottimizzazione dei progetti.

Secondo la co-responsabile Natalia Trayanova, professoressa di ingegneria biomedica e medicina presso la Johns Hopkins University:

"Mentre la motivazione per svilupparlo proveniva dalla nostra proprio lavoro, questa è una soluzione che pensiamo avrà un impatto enorme su vari campi dell'ingegneria perché è molto generica e scalabile."

Un punto di svolta per la progettazione ingegneristica

Il nuovo framework AI fornisce un approccio che consente una rapida previsione delle soluzioni PDE su più domini. Inoltre, facilita molte applicazioni downstream che utilizzano l'AI. 

Parlando delle capacità del modello, Trayanova ha osservato che DIMON può sostanzialmente lavorare su qualsiasi problema in qualsiasi campo della scienza o dell'ingegneria per risolvere le equazioni differenziali alle derivate parziali su più geometrie. 

Ciò include test di impatto, analisi della risposta dei veicoli spaziali ad ambienti estremi, valutazione della resistenza dei ponti allo stress, studio della propagazione dei fluidi attraverso diverse geometrie, ricerca ortopedica e altri problemi complessi in cui i materiali e le forme cambiano. La modellazione di tutti questi scenari può ora essere resa molto più veloce grazie al nuovo quadro dell'intelligenza artificiale.

Per dimostrare l'applicabilità del nuovo modello nella risoluzione di altri tipi di problemi di ingegneria, il team ha testato DIMON su oltre 1,000 "gemelli digitali" cardiaci. Questi gemelli digitali sono modelli computerizzati altamente dettagliati dei cuori di pazienti reali.

È risolvendo equazioni differenziali parziali che si studia l'aritmia cardiaca. La condizione causa un battito irregolare nel cuore a causa di un comportamento scorretto dell'impulso elettrico. I gemelli digitali dei cuori consentono ai ricercatori di determinare se i pazienti possono sviluppare questa condizione, che è spesso fatale, e quindi raccomandare modi per trattarla. 

È stato trovato il nuovo framework dell'intelligenza artificiale è riuscito a prevedere con elevata precisione il modo in cui i segnali elettrici vengono trasmessi attraverso ogni singola forma di cuore, senza nemmeno dover eseguire costose simulazioni numeriche.

Trayanova, direttrice della Johns Hopkins Alliance for Cardiovascular Diagnostic and Treatment Innovation, applica approcci basati sui dati, modelli computazionali e innovazioni nell'imaging cardiaco per diagnosticare e curare le malattie cardiovascolari. Introducono costantemente nuove tecnologie nella clinica.  

Ha tuttavia osservato che le loro soluzioni sono ancora troppo lente, in quanto impiegano circa una settimana per esaminare il cuore di un paziente e risolvere l'ecocardiografia differenziale (PDE) per prevedere se il paziente è ad alto rischio di morte cardiaca improvvisa e quindi fornire il miglior piano di trattamento.

Ma con il loro ultimo modello la situazione sta cambiando radicalmente.

"Con questo nuovo approccio basato sull'intelligenza artificiale, la velocità con cui possiamo trovare una soluzione è incredibile".

– Trayanova

Il tempo necessario per fare la previsione di Il tempo necessario per realizzare un gemello digitale del cuore è stato ridotto da diverse ore a solo mezzo minuto (30 secondi). E non è tutto; calcolare questo tempo non richiede nemmeno un supercomputer. Piuttosto, tutto viene fatto su un computer desktop, il che, secondo Trayanova, permetterebbe loro di "integrarlo nel flusso di lavoro clinico quotidiano".

La versatilità della tecnologia la rende perfetta per le situazioni in cui è ripetutamente necessario risolvere equazioni differenziali parziali su nuove forme. 

"Per ogni problema, DIMON risolve prima le equazioni differenziali parziali su una singola forma e poi mappa la soluzione su più forme nuove. Questa capacità di cambiare forma evidenzia la sua straordinaria versatilità. Siamo molto entusiasti di metterlo al lavoro su molti problemi e di fornirlo alla comunità più ampia per accelerare le loro soluzioni di progettazione ingegneristica".

– Minglang Yin, ricercatore post-doc presso la Johns Hopkins Biomedical Engineering, che ha sviluppato la piattaforma

Aziende che promuovono l'intelligenza artificiale

Diamo ora un'occhiata alle aziende che stanno contribuendo a portare la rivoluzione tecnologica dell'intelligenza artificiale a nuovi livelli. 

1. NVIDIA Corporation (NVDA )

Fornitore leader di GPU, Nvidia è il leader mondiale seconda azienda più grande, con una capitalizzazione di mercato di 3.28 trilioni di $. Al momento in cui scrivo, le sue azioni vengono scambiate a 133.91 $, in aumento di un enorme 171.9% da inizio anno (YTD) con un EPS (TTM) di 2.54, un P/E (TTM) di 52.90 e un ROE (TTM) del 127.21%, mentre paga un rendimento da dividendi dello 0.03%.

Le soluzioni hardware e software dell'azienda sono fondamentali per le applicazioni di deep learning e le simulazioni ingegneristiche e svolgono un ruolo importante nel promuovere la rivoluzione dell'intelligenza artificiale.

Guidato dalla mania dell'intelligenza artificiale, Nvidia segnalati un fatturato di oltre 35 miliardi di dollari per il terzo trimestre conclusosi il 3 ottobre 27, con un incremento del 2024% rispetto al trimestre precedente e un enorme incremento del 17% rispetto all'anno precedente.

"L'era dell'intelligenza artificiale è in pieno svolgimento, spingendo verso un passaggio globale al computing NVIDIA", ha affermato il CEO e fondatore Jensen Huang, che ha inoltre osservato che l'intelligenza artificiale non sta solo trasformando aziende e settori, ma anche i paesi che sono "risvegliati all'importanza di sviluppare la propria intelligenza artificiale e infrastruttura nazionale".

2. Microsoft Corporation (MSFT )  

Con una capitalizzazione di mercato di 3.32 trilioni di dollari, Microsoft si colloca tra le prime tre aziende al mondo per capitalizzazione di mercato. Le sue azioni, al momento della stesura di questo articolo, sono scambiate a 447.24 dollari, con un incremento di quasi il 19% da inizio anno. Questo l'utile per azione (TTM) della società è pari a 12.11, il rapporto prezzo/utili (TTM) a 36.92 e il ROE (TTM) al 35.60%. Il rendimento dei dividendi pagato da Microsoft, invece, è dello 0.74%.

Il maggiore coinvolgimento di Microsoft nell'intelligenza artificiale avviene tramite OpenAI, in cui ha investito oltre 13 miliardi di dollari. Oltre alla partnership con OpenAI, che è stato recentemente valutato con 150 miliardi di dollari, Microsoft investe massicciamente anche nella ricerca sull'intelligenza artificiale, nelle soluzioni cloud e nelle applicazioni per l'ingegneria e l'informatica scientifica.

Per il periodo compreso tra luglio e settembre, la società segnalati 65.6 miliardi di dollari di fatturato, con un aumento del 16% rispetto all'anno precedente, mentre gli utili sono aumentati dell'11%, raggiungendo i 24.7 miliardi di dollari. Questa crescita è stata trainata dalla domanda che continua a "essere superiore alla nostra capacità disponibile", secondo il responsabile finanziario di Microsoft.

3. ANSYS, Inc. (ANSS )

Questa è specializzata in software di simulazione ingegneristica per la risoluzione di problemi complessi. L'azienda, i cui servizi sono utilizzati da studenti, ricercatori, progettisti e ingegneri, sta sempre più integrando l'intelligenza artificiale per migliorare l'efficienza.

Con una capitalizzazione di mercato di 29.75 miliardi di dollari, le azioni Ansys vengono attualmente scambiate a 339.51 dollari, in calo del 6.24% quest'anno. Questo ha un EPS (TTM) della società di 6.47, un P/E (TTM) di 52.55 e un ROE (TTM) del 10.48%. 

Per il 3Q24, Ansys segnalati 601.9 milioni di dollari di fatturato, in aumento del 31% rispetto al terzo trimestre dell'anno scorso, mentre il valore annuale del contratto (ACV) è stato di 540.5 milioni di dollari. Il margine di profitto operativo GAAP è stato riportato essere del 26.8%, mentre il margine di profitto operativo non GAAP è stato del 45.8%. I flussi di cassa operativi per il periodo sono stati di 174.2 milioni di dollari, mentre i ricavi differiti e l'arretrato sono stati di 1,463.8 milioni di dollari.

Conclusione 

L'intelligenza artificiale sta avanzando a un ritmo rapido e l'introduzione di nuovi framework di intelligenza artificiale come DIMON segna una svolta rivoluzionaria nella risoluzione di complessi problemi ingegneristici, riducendo drasticamente i tempi e i costi computazionali ad essi associati. In questo modo, questa svolta non solo accelera i processi di progettazione ingegneristica, ma estende anche l'applicazione dell'intelligenza artificiale a diversi campi.

Man mano che i ricercatori, insieme ad aziende come Nvidia, continuano a fare grandi scoperte, a costruire modelli potenti e a far progredire le tecnologie, il potenziale di integrazione dell'intelligenza artificiale nei flussi di lavoro quotidiani cresce in modo esponenziale, il che indica una nuova era in cui l'intelligenza artificiale guida un'efficienza e un'innovazione senza precedenti!

Clicca qui per scoprire tutto sugli investimenti nell’intelligenza artificiale.