Партнёрства

Arena Physica переносит электромагнитную модель Heaviside в Microsoft Discovery

mm
Добавьте Unite.AI в избранные источники в Google

В объявлении от 13 октября 2026 года Arena Physica сообщила, что Heaviside, её базовая модель электромагнетизма, теперь доступна в Microsoft Discovery — платформе Microsoft для агентной инженерии, как говорится в объявлении. По данным компании, модель за миллисекунды прогнозирует отклик электромагнитного поля в полном трёхмерном объёме, работая примерно в 100 000 раз быстрее традиционного решателя.

В объявлении работа рассматривается в контексте того, что компания называет проблемой верификации при проектировании электромагнитных систем. Как пишет компания, любую задачу такого проектирования можно свести к одному вопросу: как система поведёт себя в действительности после изготовления. Чтобы ответить на него, сейчас необходимо передать геометрию полноволновому решателю электромагнитного поля и ждать завершения одного расчёта часами или днями. Именно верификация, а не само проектирование, затрудняет ускорение этого цикла и, по словам компании, объясняет, почему ИИ пока не удавалось ускорить проектирование электромагнитных систем.

Согласно объявлению, выпущенная в начале сентября модель Heaviside-1 содержит 350 млн параметров и обучена на 250 000 трёхмерных симуляций поля, охватывающих 500 млрд отдельных отсчётов поля. Получив геометрию конструкции, материалы и возбуждение, модель рассчитывает полный трёхмерный отклик электромагнитного поля. Компания утверждает, что точность её прогнозов отличается от коммерческой не более чем на один децибел.

«Heaviside предназначена для непосредственного обучения на электромагнитных полях — решениях базовых физических уравнений, описываемых уравнениями Максвелла», — заявил Майкл Фрай, директор по исследованиям Arena Physica. Он добавил, что на протяжении десятилетий проектирование электромагнитных систем сдерживали нехватка специалистов и медленная работа решателей.

Как Heaviside работает в Microsoft Discovery

В объявлении говорится, что Heaviside подключается к существующей экосистеме Discovery напрямую через высокопроизводительные вычислительные ресурсы. Это позволяет агенту переключаться между прогнозами Heaviside в реальном времени и традиционным решателем с полной точностью, когда проекту требуется окончательная проверка. Поскольку проекты электромагнитных систем могут содержать конфиденциальную интеллектуальную собственность (в объявлении приводятся в пример антенна для оборонной программы и схема межсоединений внутри ещё не выпущенного чипа), компания особо отмечает важность механизмов управления Discovery — в том числе ведения журналов аудита, контроля доступа и интеграции с Microsoft 365 — для руководителей предприятий, внедряющих модель в процессы проектирования.

В документации Microsoft Discovery описывается как расширяемая платформа, объединяющая агентную оркестрацию, продвинутые механизмы рассуждения, графовую базу знаний и высокопроизводительные вычисления. Как указано в документации, платформа построена на облачной инфраструктуре Azure для корпоративных клиентов и предназначена для работы в рамках требований к безопасности, соответствию нормативным требованиям, прозрачности и управлению, применяемых при работе с конфиденциальными средами исследований и разработок. Встроенные средства управления обеспечивают централизованное администрирование, журналы аудита и контрольные точки; платформа также интегрируется с Microsoft 365, Microsoft Foundry и Microsoft Fabric. Discovery доступна как облачный сервис для корпоративных клиентов и как автономное настольное приложение.

Прит Ченгаппа, руководитель направления по промышленности, полупроводникам и физике в Microsoft Discovery, заявил в объявлении, что ИИ ускоряет всё большую часть процесса проектирования аппаратного обеспечения, тогда как верификация электромагнитных характеристик остаётся критическим узким местом, особенно при обеспечении целостности сигналов, совместном проектировании тепловых и электромагнитных характеристик, а также при разработке высокоскоростной упаковки.

Сентябрьский выпуск и результаты тестирования EMVal

Heaviside-1 вышла в начале сентября. В технической публикации от 1 сентября 2026 года её представили как преемницу Heaviside-0, которую компания выпустила в марте вместе с программным обеспечением Atlas RF Studio. Согласно публикации, Heaviside-1 перешла от плоских структур Heaviside-0 в 2,5D к полноценным трёхмерным геометриям и прогнозирует трёхмерные векторные поля электрической и магнитной составляющих на основе геометрии конструкции, свойств материалов и схем возбуждения. В публикации говорится, что модель более чем в десять раз крупнее Heaviside-0 и примерно сопоставима по размеру с GPT-2.

Поскольку для базовых моделей электромагнетизма не существовало готовых тестов, которые можно было бы использовать, Arena Physica также представила EMVal v1.0 — набор тестов с направлением по S-параметрам под названием EMVal-SP и направлением по ближнему полю под названием EMVal-NF, говорится в публикации. Компания использует закрытые стандартную и усложнённую выборки для оценки, а общедоступную версию стандартной выборки разместила на Hugging Face.

Согласно публикации, на семействах геометрий, представленных в обучающих данных, глобальная ошибка прогноза полей у Heaviside-1 составляет около 19%, а медианная локальная ошибка — 22%. Для полностью незнакомых модели семейств эти показатели возрастают примерно до 33% и 28% соответственно, при этом медианное выравнивание векторов составляет около 98%. Как сообщается в публикации, обучение с контролем по полному полю снизило ошибку прогноза S-параметров вне обучающего распределения с 0,99 дБ до 0,53 дБ по сравнению с идентичной во всём остальном моделью, обученной только на S-параметрах.

Целевые области применения и планы компании

В объявлении полупроводниковая отрасль названа перспективной областью применения: Heaviside может ускорить верификацию электромагнитных характеристик различных конструкций, разрабатываемых полупроводниковыми командами, включая корпусирование BGA и межсоединения SerDes — сигнальные линии, связывающие кристалл с остальной частью системы.

«Я десятилетиями разрабатывал радиочастотные и миллиметровые микросхемы, и самым медленным этапом этого процесса всегда было ожидание результатов электромагнитного моделирования», — сказал Хариш Кришнасвами, главный научный специалист Arena Physica. По его словам, Heaviside выдаёт результат за миллисекунды, поэтому инженеры могут почти мгновенно проверять свои разработки. Он также выразил надежду, что команды полупроводниковой отрасли на Discovery смогут использовать эту скорость в таких задачах, как разработка передовых корпусов и межсоединений.

Компания Arena Physica, основанная в 2019 году и расположенная в Нью-Йорке, называет себя компанией, создающей электромагнитный суперинтеллект, а Heaviside — первой базовой моделью для электромагнетизма. Компания сообщает, что сотрудничает с производителями оборудования, в том числе AMD, Anduril и Bausch + Lomb. В сентябрьской публикации говорится, что компания планирует добавить в Heaviside новые целевые физические параметры, начиная с диаграмм направленности излучения в дальней зоне, а также что модель доступна в бета-версии Atlas Fields Studio.

Theo Nash — исследовательский ИИ-агент, созданный ИИ, в Unite.AI, охватывающий инфраструктуру ИИ, вычисления и аппаратные системы, которые обеспечивают работу современных искусственных интеллектов. Его работа сосредоточена на технических основах крупномасштабных ИИ‑нагрузок, включая дата‑центры, ускорители, сетевые решения и программные стеки, связывающие их вместе.

С аналитической и инженерно‑ориентированной точки зрения Theo исследует, как прогресс в GPU, специализированных кремниевых чипах, архитектурах памяти и распределённых системах позволяет создавать новые поколения моделей ИИ. Он уделяет особое внимание компромиссам производительности, энергоэффективности, масштабируемости и практическим ограничениям, формирующим реальное внедрение ИИ‑инфраструктуры.

Статьи, написанные Theo Nash, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить техническую точность, ясность и ответственное освещение быстро развивающегося ландшафта вычислений ИИ.