Partnerschappen

Arena Physica brengt het elektromagnetische model Heaviside naar Microsoft Discovery

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Arena Physica maakte in een aankondiging van 13 oktober 2026 bekend dat Heaviside, het foundationmodel van het bedrijf voor elektromagnetisme, nu beschikbaar is op Microsoft Discovery, door de aankondiging omschreven als het platform van Microsoft voor agentgestuurde engineering. Volgens het bedrijf voorspelt het model de volledige 3D-respons van elektromagnetische velden in milliseconden, ongeveer 100.000 keer sneller dan een traditionele solver.

In de aankondiging staat het werk in het teken van wat het bedrijf het verificatieprobleem bij elektromagnetisch ontwerp noemt. Volgens het bedrijf komt elk elektromagnetisch ontwerpprobleem neer op één vraag: hoe zal het ontwerp zich in de praktijk gedragen zodra het is gebouwd? Om die vraag te beantwoorden, moet de geometrie momenteel worden ingevoerd in een full-wave veldsolver, waarna één berekening uren of dagen kan duren. Niet het ontwerp zelf, maar de verificatie maakt het zo moeilijk om deze cyclus te versnellen en is volgens het bedrijf de reden waarom AI elektromagnetisch ontwerp maar moeilijk heeft kunnen versnellen.

Volgens de aankondiging is Heaviside-1, dat begin september is uitgebracht, een model met 350 miljoen parameters, getraind op 250.000 3D-veldsimulaties met in totaal 500 miljard afzonderlijke veldsamples. Op basis van de geometrie, materialen en excitatie van een structuur genereert het model de volledige 3D-respons van het elektromagnetische veld. Volgens het bedrijf wijken de voorspellingen hooguit één decibel af van commerciële nauwkeurigheid.

«Heaviside is ontwikkeld om elektromagnetische velden rechtstreeks te leren: de oplossing voor de onderliggende natuurkunde die wordt beschreven door de vergelijkingen van Maxwell», zei Michael Frei, Chief Research Officer bij Arena Physica. Hij voegde eraan toe dat elektromagnetisch ontwerp al tientallen jaren wordt belemmerd door een tekort aan expertise en trage solvers.

Zo werkt Heaviside op Microsoft Discovery

Volgens de aankondiging sluit Heaviside via een rechtstreekse verbinding met high-performance computing aan op het bestaande ecosysteem van Discovery. Zo kan een agent schakelen tussen de realtime voorspellingen van Heaviside en een traditionele solver met volledige nauwkeurigheid wanneer een ontwerp definitief moet worden gevalideerd. Elektromagnetische ontwerpen kunnen gevoelige intellectuele eigendom bevatten; de aankondiging noemt als voorbeelden een antenne voor een defensieprogramma en de interconnectindeling in een nog niet uitgebrachte chip. Daarom wijst het bedrijf op de governancevoorzieningen van Discovery, waaronder auditregistratie, toegangsbeheer en integratie met Microsoft 365. Deze zijn volgens het bedrijf belangrijke aandachtspunten voor bedrijfsleiders die het model in hun ontwerpprocessen willen inzetten.

In de documentatie van Microsoft wordt Discovery beschreven als een uitbreidbaar platform dat agentgestuurde orkestratie, geavanceerde redeneermogelijkheden, een op een graaf gebaseerde kennisbasis en high-performance computing samenbrengt. Het platform is gebouwd op de zakelijke cloudinfrastructuur van Azure en ontworpen om te werken binnen de beveiligings-, compliance-, transparantie- en governancestructuren die worden gebruikt voor het beheer van gevoelige R&D-omgevingen, aldus de documentatie. De ingebouwde governancevoorzieningen bieden centraal beheer, audittrails en controlepunten. Ook integreert het platform met Microsoft 365, Microsoft Foundry en Microsoft Fabric. Discovery is beschikbaar als zakelijke clouddienst en als zelfstandige desktopapplicatie.

Preeth Chengappa, hoofd industrie, halfgeleiders en natuurkunde bij Microsoft Discovery, zei in de aankondiging dat AI steeds meer stappen in het hardwareontwerpproces versnelt, terwijl elektromagnetische verificatie een belangrijk knelpunt blijft, met name bij signaalintegriteit, het gezamenlijke ontwerp van thermische en elektromagnetische aspecten en verpakkingen voor hoge snelheden.

Uitgave in september en benchmarkresultaten van EMVal

Heaviside-1 verscheen begin september. Een technische publicatie van 1 september 2026 introduceerde het model als opvolger van Heaviside-0, dat het bedrijf in maart uitbracht samen met de software Atlas RF Studio. Volgens de publicatie breidde Heaviside-1 de mogelijkheden uit van de 2,5D-vlakke structuren van Heaviside-0 naar volledig 3D-geometrieën. Het voorspelt volledige 3D-elektrische en magnetische vectorvelden op basis van de geometrie, materiaaleigenschappen en excitatiepatronen van een structuur. De publicatie beschrijft het model als meer dan tien keer zo groot als Heaviside-0 en ongeveer even groot als GPT-2.

Omdat er geen bestaande benchmarks voor foundationmodellen voor elektromagnetisme zijn waarop kan worden voortgebouwd, introduceerde Arena Physica volgens de publicatie ook EMVal v1.0: een benchmarkpakket met een S-parameteronderdeel, EMVal-SP, en een nabije-veldonderdeel, EMVal-NF. Het bedrijf beheert privé-evaluatiesets voor standaarden en uitdagingen en heeft een openbare versie van de standaardset uitgebracht op Hugging Face.

Volgens de publicatie voorspelt Heaviside-1 voor geometriefamilies die tijdens de training aan bod kwamen, velden met een globale fout van ongeveer 19 procent en een mediane lokale fout van 22 procent. Voor volledig onbekende families lopen die waarden op tot ongeveer 33 procent en 28 procent; de mediane uitlijning van vectoren bedraagt ongeveer 98 procent. Training met supervisie op basis van volledige velden verlaagde volgens de publicatie de S-parameterfout buiten de trainingsverdeling van 0,99 dB naar 0,53 dB, vergeleken met een verder identiek model dat uitsluitend op S-parameters was getraind.

Beoogde toepassingen en plannen van het bedrijf

De aankondiging noemt de halfgeleidersector een kansrijk toepassingsgebied. Heaviside kan de elektromagnetische verificatie versnellen van de uiteenlopende structuren die teams in de halfgeleidersector ontwerpen, waaronder BGA-verpakkingen en SerDes-interconnects: signaalpaden die een chipdie verbinden met de rest van een systeem.

‘Ik ontwerp al tientallen jaren RF- en millimetergolfchips, en de traagste stap in het proces was altijd het wachten op elektromagnetische simulaties’, aldus Harish Krishnaswamy, hoofdwetenschapper bij Arena Physica. Volgens hem levert Heaviside dat antwoord in milliseconden, zodat ingenieurs ontwerpen vrijwel onmiddellijk kunnen verifiëren. Hij kijkt ernaar uit dat semiconductorbedrijven op Discovery die snelheid toepassen op werkzaamheden zoals geavanceerde behuizingstechnieken en het ontwerp van interconnects.

Arena Physica, opgericht in 2019 en gevestigd in New York, omschrijft zichzelf als een bedrijf in elektromagnetische superintelligentie en Heaviside als het eerste foundationmodel voor elektromagnetisme. Het bedrijf zegt samen te werken met hardwarebedrijven, waaronder AMD, Anduril en Bausch + Lomb. Volgens de publicatie van september is het bedrijf van plan meer fysieke doelvariabelen aan Heaviside toe te voegen, te beginnen met stralingspatronen in het verre veld. Het model is beschikbaar via de bètaversie van Atlas Fields Studio.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.