Partnerskaber

Arena Physica bringer Heavisides elektromagnetiske model til Microsoft Discovery

mm
Føj Unite.AI til dine foretrukne kilder på Google

Arena Physica oplyste i en meddelelse den 13. oktober 2026, at Heaviside, virksomhedens grundmodel for elektromagnetisme, nu er tilgængelig på Microsoft Discovery, som meddelelsen beskriver som Microsofts platform for ingeniørarbejde med AI-agenter. Ifølge virksomheden forudsiger modellen elektromagnetiske felteresponser i fuld 3D på millisekunder, omtrent 100.000 gange hurtigere end en traditionel solver.

Meddelelsen tager udgangspunkt i det, virksomheden kalder verifikationsproblemet inden for elektromagnetisk design. Som virksomheden skriver, kan ethvert elektromagnetisk designproblem reduceres til ét spørgsmål: Hvordan vil designet rent faktisk opføre sig, når det er bygget? For at få svar skal geometrien i dag køres gennem en fuldbølgesolver til feltsimulering, hvorefter man må vente timer eller dage på én enkelt kørsel. Det er verifikationen, ikke selve designarbejdet, der gør processen så svær at fremskynde og ifølge virksomheden er årsagen til, at AI har haft svært ved at accelerere elektromagnetisk design.

Ifølge meddelelsen er Heaviside-1, som blev lanceret i begyndelsen af september, en model med 350 millioner parametre, trænet på 250.000 3D-feltsimuleringer med i alt 500 milliarder individuelle feltprøver. Når modellen får oplyst en strukturs geometri, materialer og excitation, returnerer den den fulde 3D-elektromagnetiske feltrespons. Virksomheden siger, at modellens forudsigelser ligger inden for én decibel af kommerciel nøjagtighed.

»Heaviside er udviklet til direkte at lære elektromagnetiske felter, løsningen på den underliggende fysik, der styres af Maxwells ligninger,« sagde Michael Frei, forskningschef hos Arena Physica. Han tilføjede, at elektromagnetisk design i årtier har været begrænset af mangel på ekspertise og langsomme beregningsprogrammer.

Sådan fungerer Heaviside på Microsoft Discovery

Ifølge meddelelsen kobles Heaviside til Discoverys eksisterende økosystem via en direkte forbindelse til højtydende databehandling. Det gør det muligt for en agent at skifte mellem Heavisides forudsigelser i realtid og en traditionel solver med fuld nøjagtighed, når et design kræver endelig validering. Da elektromagnetiske designs kan indeholde følsomme IP-oplysninger – meddelelsen nævner som eksempler en antenne til et forsvarsprogram og forbindelseslayoutet inde i en endnu ikke lanceret chip – fremhæver virksomheden Discoverys styringsfunktioner, herunder revisionslogning, adgangskontrol og integration med Microsoft 365, som vigtige forhold for virksomhedsledere, der tager modellen i brug i deres designarbejdsgange.

Microsofts dokumentation beskriver Discovery som en udvidelsesbar platform, der samler orkestrering af AI-agenter, avanceret ræsonnement, et grafbaseret vidensgrundlag og højtydende databehandling. Dokumentationen oplyser, at platformen er bygget på Azures cloudinfrastruktur til virksomheder og er designet til at fungere inden for de rammer for sikkerhed, overholdelse af regler, gennemsigtighed og styring, der bruges til at håndtere følsomme forsknings- og udviklingsmiljøer. Platformens indbyggede styringsfunktioner giver mulighed for centraliseret administration, revisionsspor og kontrolpunkter, og platformen integreres med Microsoft 365, Microsoft Foundry og Microsoft Fabric. Discovery fås som en cloudtjeneste til virksomheder og som en selvstændig skrivebordsapplikation.

Preeth Chengappa, branchechef for halvledere og fysik hos Microsoft Discovery, sagde i meddelelsen, at AI accelererer stadig flere dele af hardwaredesignprocessen, mens elektromagnetisk verifikation fortsat er en kritisk flaskehals, især inden for signalintegritet, fælles termisk og elektromagnetisk design samt højhastighedsindkapsling.

Lanceringen i september og resultaterne fra EMVal-benchmarken

Heaviside-1 blev lanceret i begyndelsen af september. En teknisk publikation dateret 1. september 2026 præsenterede den som efterfølgeren til Heaviside-0, som virksomheden udgav i marts sammen med softwaren Atlas RF Studio. Ifølge publikationen udvidede Heaviside-1 Heaviside-0’s 2,5D-plane strukturer til fuldt tredimensionelle geometrier og forudsiger elektriske og magnetiske vektorfelter i fuld 3D ud fra en strukturs geometri, materialeegenskaber og excitationsmønstre. Publikationen beskriver modellen som mere end ti gange så stor som Heaviside-0 og omtrent på størrelse med GPT-2.

Da der ikke findes eksisterende benchmarks for grundmodeller inden for elektromagnetisme, som man kan tage udgangspunkt i, introducerede Arena Physica også EMVal v1.0, en benchmarkpakke med et S-parameter-spor kaldet EMVal-SP og et nærfelts-spor kaldet EMVal-NF, oplyser publikationen. Virksomheden vedligeholder private standard- og udfordringsevalueringssæt og har udgivet en offentlig version af standardsættet på Hugging Face.

Publikationen oplyser, at Heaviside-1 forudsiger felter med en global fejl på cirka 19 procent og en median lokal fejl på 22 procent for geometrifamilier, der indgik i træningen. For helt usete geometrifamilier stiger tallene til cirka 33 procent og 28 procent, mens den mediane vektorjustering ligger på omkring 98 procent. Ifølge publikationen reducerede træning med supervision baseret på hele feltet S-parameterfejlen uden for træningsfordelingen fra 0,99 dB til 0,53 dB sammenlignet med en ellers identisk model, der kun var trænet på S-parametre.

Anvendelsesområder og virksomhedens planer

Meddelelsen fremhæver halvlederbranchen som en oplagt mulighed og siger, at Heaviside kan fremskynde elektromagnetisk verifikation på tværs af de strukturer, som halvlederteams designer, herunder BGA-indkapsling og SerDes-forbindelser, altså signalvejene, der forbinder en chip med resten af et system.

»Jeg har brugt årtier på at designe RF- og millimeterbølgechips, og det langsomste trin i processen har altid været at vente på elektromagnetiske simuleringer«, sagde Harish Krishnaswamy, chefforsker hos Arena Physica. Han sagde, at Heaviside leverer svaret på millisekunder, så ingeniører næsten øjeblikkeligt kan verificere design, og at han ser frem til, at halvlederteams på Discovery anvender denne hastighed på opgaver som avanceret indpakning og design af sammenkoblinger.

Arena Physica, der blev grundlagt i 2019 og har hovedsæde i New York City, beskriver sig selv som en virksomhed inden for elektromagnetisk superintelligens og Heaviside som den første grundmodel for elektromagnetisme. Virksomheden siger, at den samarbejder med hardwarevirksomheder, herunder AMD, Anduril og Bausch + Lomb. I en publikation fra september står der, at virksomheden planlægger at tilføje flere fysiske mål længere nede i kæden til Heaviside, begyndende med strålingsmønstre i fjernfeltet, og at modellen er tilgængelig via betaversionen af Atlas Fields Studio.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.