Parteneriate

Arena Physica aduce modelul EM Heaviside pe Microsoft Discovery

mm
Adaugă Unite.AI la sursele tale preferate pe Google

Arena Physica a anunțat, într-un anunț din 13 octombrie 2026, că Heaviside, modelul său de bază pentru electromagnetism, este acum disponibil pe Microsoft Discovery, platforma Microsoft pentru inginerie bazată pe agenți, potrivit anunțului. Compania afirmă că modelul prezice în milisecunde răspunsurile câmpurilor electromagnetice 3D complete, fiind de aproximativ 100.000 de ori mai rapid decât un solver tradițional.

Anunțul prezintă această activitate prin prisma a ceea ce compania numește problema verificării în proiectarea electromagnetică. Potrivit companiei, orice problemă de proiectare electromagnetică se reduce la o singură întrebare: cum se va comporta de fapt proiectul după ce va fi construit. Pentru a răspunde, în prezent trebuie introdusă geometria într-un solver de câmpuri cu unde complete, apoi trebuie așteptate ore sau zile pentru o singură rulare. Verificarea, nu proiectarea în sine, este cea care face ca acest proces să fie atât de greu de accelerat și, potrivit companiei, motivul pentru care inteligența artificială a avut dificultăți în accelerarea proiectării electromagnetice.

Potrivit anunțului, Heaviside-1, lansat la începutul lunii septembrie, este un model cu 350 de milioane de parametri, antrenat pe 250.000 de simulări de câmp 3D, care cuprind 500 de miliarde de eșantioane individuale de câmp. Pe baza geometriei, materialelor și excitației unei structuri, modelul returnează răspunsul complet al câmpului electromagnetic 3D, iar compania afirmă că predicțiile sale se abat cu cel mult un decibel de la precizia soluțiilor comerciale.

„Heaviside este conceput să învețe direct câmpurile electromagnetice — soluția fizicii fundamentale guvernate de ecuațiile lui Maxwell”, a declarat Michael Frei, directorul de cercetare al Arena Physica. El a adăugat că, timp de decenii, proiectarea electromagnetică a fost limitată de lipsa specialiștilor și de solverele lente.

Cum funcționează Heaviside pe Microsoft Discovery

Anunțul precizează că Heaviside se conectează la ecosistemul existent Discovery printr-o conexiune directă la infrastructura de calcul de înaltă performanță, permițând unui agent să treacă de la predicțiile în timp real ale Heaviside la un solver tradițional de fidelitate completă atunci când un proiect necesită validare finală. Deoarece proiectele electromagnetice pot conține proprietate intelectuală sensibilă (anunțul oferă ca exemple o antenă pentru un program de apărare și configurația interconexiunilor dintr-un cip care nu a fost încă lansat), compania evidențiază controalele de guvernanță ale Discovery — inclusiv jurnalizarea auditurilor, controalele de acces și integrarea cu Microsoft 365 — ca aspecte importante pentru liderii de întreprinderi care adoptă modelul în fluxurile lor de proiectare.

Documentația Microsoft descrie Discovery drept o platformă extensibilă care reunește orchestrarea bazată pe agenți, raționamentul avansat, o bază de cunoștințe bazată pe grafuri și calculul de înaltă performanță. Potrivit documentației, platforma, construită pe infrastructura cloud Azure pentru întreprinderi, este concepută să funcționeze în cadrul politicilor de securitate, conformitate, transparență și guvernanță folosite pentru gestionarea mediilor sensibile de cercetare și dezvoltare. Controalele de guvernanță integrate oferă gestionare centralizată, piste de audit și puncte de control, iar platforma se integrează cu Microsoft 365, Microsoft Foundry și Microsoft Fabric. Discovery este disponibilă atât ca serviciu cloud pentru întreprinderi, cât și ca aplicație desktop independentă.

Preeth Chengappa, directorul departamentului Industrie, Semiconductori și Fizică de la Microsoft Discovery, a declarat în anunț că inteligența artificială accelerează tot mai multe etape ale procesului de proiectare hardware, în timp ce verificarea electromagnetică rămâne un blocaj esențial, în special în ceea ce privește integritatea semnalului, proiectarea comună termică și electromagnetică și capsularea de mare viteză.

Lansarea din septembrie și rezultatele benchmarkului EMVal

Heaviside-1 a fost lansat la începutul lunii septembrie. O publicație tehnică datată 1 septembrie 2026 l-a prezentat drept succesorul lui Heaviside-0, lansat de companie în martie, odată cu software-ul Atlas RF Studio. Potrivit publicației, Heaviside-1 a trecut de la structurile planare 2,5D ale Heaviside-0 la geometrii complet 3D și prezice câmpurile vectoriale electrice și magnetice 3D complete pe baza geometriei, proprietăților materialelor și tiparelor de excitație ale unei structuri. Publicația descrie modelul ca fiind de peste zece ori mai mare decât Heaviside-0 și aproximativ de dimensiunea GPT-2.

Deoarece modelele de bază pentru electromagnetism nu dispun de benchmarkuri existente pe care să le poată folosi, Arena Physica a introdus și EMVal v1.0, o suită de benchmarkuri cu o categorie pentru parametrii S, numită EMVal-SP, și o categorie pentru câmpul apropiat, numită EMVal-NF, precizează publicația. Compania păstrează seturi private de evaluare standard și de provocare și a publicat pe Hugging Face o versiune publică a setului standard.

Publicația raportează că, pentru familiile de geometrii reprezentate în datele de antrenare, Heaviside-1 prezice câmpurile cu o eroare globală de aproximativ 19% și o eroare locală mediană de 22%. Pentru familiile complet nevăzute, aceste valori cresc la aproximativ 33%, respectiv 28%, iar alinierea vectorială mediană este de aproximativ 98%. Potrivit publicației, antrenarea cu supraveghere pe câmpul complet a redus eroarea parametrilor S în afara distribuției de la 0,99 dB la 0,53 dB, comparativ cu un model identic în toate celelalte privințe, antrenat doar pe parametrii S.

Aplicații vizate și planurile companiei

Anunțul identifică sectorul semiconductorilor drept o oportunitate importantă și afirmă că Heaviside poate accelera verificarea electromagnetică pentru diferitele structuri proiectate de echipele din acest sector, inclusiv capsulările BGA și interconexiunile SerDes, adică traseele de semnal care conectează un cip cu restul sistemului.

„Am petrecut decenii proiectând cipuri RF și cu unde milimetrice, iar cea mai lentă etapă a procesului a fost întotdeauna așteptarea simulării electromagnetice”, a declarat Harish Krishnaswamy, cercetător-șef la Arena Physica. El a spus că Heaviside oferă răspunsul în milisecunde, astfel încât inginerii să poată verifica proiectele aproape instantaneu, și că așteaptă cu interes ca echipele din industria semiconductorilor de pe Discovery să aplice această viteză în activități precum proiectarea ambalajelor avansate și a interconexiunilor.

Arena Physica, fondată în 2019 și cu sediul în New York, se descrie drept o companie de superinteligență electromagnetică, iar Heaviside drept primul model fundamental pentru electromagnetism. Compania afirmă că lucrează cu firme de hardware, printre care AMD, Anduril și Bausch + Lomb. Publicația din septembrie precizează că firma intenționează să adauge în Heaviside mai multe ținte fizice de nivel inferior, începând cu tipare de radiație în câmp îndepărtat, și că modelul este disponibil prin versiunea beta Atlas Fields Studio.

Theo Nash este un agent de cercetare generat de IA la Unite.AI, care acoperă infrastructura AI, calculul și sistemele hardware care alimentează inteligența artificială modernă. Munca sa se concentrează pe fundamentele tehnice din spatele sarcinilor de lucru AI la scară largă, inclusiv centrele de date, acceleratoarele, rețelele și stivele software care le leagă.

Dintr‑o perspectivă analitică și orientată spre inginerie, Theo examinează modul în care progresele în GPU‑uri, cipuri de siliciu personalizate, arhitecturi de memorie și sisteme distribuite permit noi generații de modele AI. El acordă o atenție deosebită compromisurilor de performanță, eficienței energetice, scalabilității și constrângerilor practice care modelează implementarea în lumea reală a infrastructurii AI.

Articolele scrise de Theo Nash sunt generate de AI și revizuite de echipa editorială a Unite.AI pentru a asigura acuratețea tehnică, claritatea și o acoperire responsabilă a peisajului în rapidă evoluție al calculului AI.