AI-modeller og platforme

Rescale sætter ingeniøragenter i arbejde med reaktordesignet Hermes 2

mm
Føj Unite.AI til dine foretrukne kilder på Google

Rescale præsenterede den 10. november 2026 en ramme til tilpasning af AI-agenter til ingeniørarbejde og oplyste, at Kairos Power og Oak Ridge National Laboratory’s Manufacturing Demonstration Facility bruger platformen til Hermes 2, en fluoridsaltkølet reaktor på 50 megawatt.

Rescales AI-udviklingsingeniører støttede samarbejdet, der afprøver avancerede fremstillings- og konstruktionsmetoder. Holdene brugte agenter til termiske simuleringer, strømningssimuleringer og afskærmningssimuleringer samt tilhørende rapportering om design af reaktorkaviteten og den biologiske afskærmningsprop, og en ingeniør godkendte hver eneste handling udført af en agent.

ORNL indarbejder sin ekspertise inden for simulering og additiv fremstilling i agenter, så ingeniører uden for anlægget kan anvende metoderne. Målet for effektivitetsgevinsten er fremadrettet: Kairos Power forventer, at agentbaserede arbejdsgange, der bygger på tidligere simuleringer, kan øge effektiviteten af den samlede simuleringsanalyse med op til 3x, samtidig med at den sporbarhed, der kræves for at overholde myndighedskrav, bevares.

Genanvendelige projekter og sporbarhed i arbejdet

Beretningen fra Fall 2026 Showcase beskriver Agentic Projects som kontrollaget for Edison, Rescales AI-assistent og agentorkestrator. Hold kan fastsætte mål, værktøjer, færdigheder og sikkerhedsrammer og derefter tilføje agentnoder til trin som validering af input, analyse af resultater eller udarbejdelse af dokumentation. Projekter kan gemmes og deles på tværs af programmer, og en foreslået læring føjes først til projektets hukommelse, når en ingeniør har godkendt den.

Engineering Intelligence forbinder krav, design, simulering, test og procesregistreringer i vidensgrafer, som giver agenter de relationer og konfigurationer, der er nødvendige til komplekst arbejde. En separat arbejdsprocesgraf kortlægger personer, data og opgaver på tværs af en arbejdsgang, så ingeniører kan spore, hvordan arbejdet blev udført, og hvor agenter deltog.

Begivenheden den 10. november var ikke første gang, alle komponenterne blev præsenteret. Rescales udgivelsesnote om Agentic Projects er dateret 26. oktober 2026 og beskriver validerede basisjob, sammenkædede standarder og filer, genanvendelige færdigheder samt kildehenvisninger, når Edison besvarer spørgsmål ud fra et sammenkædet dokument. Projekter er private som udgangspunkt, kan deles med et arbejdsområde og kræver, at Agentic Engineering er aktiveret.

Grænser for computerappen og eksterne klienter

Rescale Desktop fulgte efter i en udgivelsesnote dateret 5. november 2026. Appen til macOS på Apple Silicon samt Windows x64 og Linux x64 flytter filer mellem lokale miljøer og cloudmiljøer, holder styr på job og giver adgang til chat med Edison uden en browser. Edison kan kun søge i mapper, som brugeren har godkendt; den kan se filnavne, størrelser og datoer, men ikke filindhold, og spørger før hver overførsel. Chat kræver Advanced Modeling & Simulation eller Agentic Engineering og er endnu ikke tilgængelig på Rescale ITAR.

Rescale har også udvidet sine Model Context Protocol (MCP)-forbindelser, som gør det muligt for en ekstern AI-klient at sende forespørgsler til platformen i naturligt sprog. Ifølge virksomheden gør forbindelserne dens specialiserede agenter og mere end 1.350 forudinstallerede ingeniørapplikationer tilgængelige i Claude og andre MCP-kompatible værktøjer. Rescale MCP er også opført i katalogerne for Claude og Codex.

MCP-dokumentationen begrænser denne adgang til interaktiv brug, hvor en person arbejder gennem en agent. Hver forbindelse er knyttet til ét arbejdsområde og den indloggede brugers eksisterende tilladelser, og handlinger kan henføres til den pågældende bruger. Til produktionsintegrationer henvises der til Rescales REST API eller kommandolinjegrænseflade.

AI-fysik til surrogatmodeller

Tilføjelserne inden for AI-fysik retter sig mod surrogatmodeller, dvs. AI-tilnærmelser, der trænes på simuleringsdata. En agent til oprettelse af datasæt omdanner eksisterende simuleringsdata til datasæt, der er klar til træning. Vejledt forbehandling identificerer afvigende værdier og mangler i datadækningen og anbefaler opdeling af dataene, mens Auto Tune justerer modelkonfigurationer under træningen.

Ifølge Rescale tilbyder Design Explorer en vejledt lokal grænseflade, hvor man kan evaluere tusindvis af designmuligheder i forhold til begrænsninger fastsat af simuleringsingeniører og forbinde flere surrogatmodeller i multiphysikoptimeringer. Kvantificering af usikkerhed føjer signaler om konfidens og data uden for fordelingen til hver forudsigelse og identificerer resultater, der kræver kontrol med en fuldskalatro simulering, samt tilfælde, hvor modellen skal udvides.

Udgivelsen følger en konsekvent linje: foreslåede læringer fra agenter kræver godkendelse, Hermes 2-agenter handler først efter menneskelig godkendelse, og usikre forudsigelser fra surrogatmodeller markeres til kontrol med fuldskalatro simuleringer. Det nukleare samarbejde afprøver dermed, om genanvendelige agentbaserede arbejdsgange kan mindske analysearbejdet og samtidig bevare en teknisk dokumentation, der kan efterprøves.

Atlas Roan er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens i additiv produktion, 3D-printning og avanceret materialeteknik. Hans arbejde undersøger, hvordan AI-drevet design, simulation og procesoptimering forvandler produktionsflow - fra prototyper til storstilede produktioner.
Med et praktisk og teknisk funderet perspektiv undersøger Atlas, hvordan maskinel læring forbedrer printpålidelighed, materialepræstation og produktionseffektivitet på tværs af brancher som luft- og rumfart, bilindustri, sundhedsvæsen og industriproduktion. Han er særligt interesseret i, hvordan AI muliggør hurtigere iteration, reducerer spild og låser op for nye materialeegenskaber, der tidligere var urealistiske eller umulige at producere.
Artikler skrevet af Atlas Roan er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af AI-drevet produktion og materialeinnovation.