Partnerskap

Arena Physica tar Heavisides elektromagnetiska modell till Microsoft Discovery

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Arena Physica uppgav i ett tillkännagivande den 13 oktober 2026 att Heaviside, företagets grundmodell för elektromagnetism, nu finns tillgänglig på Microsoft Discovery, som enligt tillkännagivandet är Microsofts plattform för agentbaserad ingenjörsutveckling. Enligt företaget förutsäger modellen fullständiga 3D-elektromagnetiska fältresponser på millisekunder, ungefär 100 000 gånger snabbare än en traditionell lösare.

Tillkännagivandet kretsar kring det som företaget kallar verifieringsproblemet inom elektromagnetisk konstruktion. Varje problem inom elektromagnetisk konstruktion kan, skriver företaget, reduceras till en enda fråga: hur konstruktionen faktiskt kommer att fungera när den väl har byggts. För att få svar måste geometrin i dag matas in i en fullvågslösare för fältberäkningar, varefter man får vänta i timmar eller dagar på en enda körning. Det är verifieringen, inte själva konstruktionen, som gör processen så svår att snabba upp och som enligt företaget är anledningen till att AI haft svårt att påskynda elektromagnetisk konstruktion.

Enligt tillkännagivandet är Heaviside-1, som släpptes i början av september, en modell med 350 miljoner parametrar som tränats på 250 000 3D-fältsimuleringar med sammanlagt 500 miljarder enskilda fältprov. Med geometrin, materialen och exciteringen för en struktur som indata returnerar modellen den fullständiga 3D-elektromagnetiska fältresponsen. Företaget uppger att modellens förutsägelser ligger inom en decibel från kommersiell noggrannhet.

”Heaviside är byggd för att direkt lära sig elektromagnetiska fält – lösningen på den underliggande fysik som styrs av Maxwells ekvationer”, sade Michael Frei, forskningschef på Arena Physica. Han tillade att elektromagnetisk konstruktion i årtionden har begränsats av brist på expertis och långsamma lösare.

Så fungerar Heaviside på Microsoft Discovery

Enligt tillkännagivandet ansluts Heaviside direkt till Discovery-plattformens befintliga ekosystem för högpresterande beräkningar. Det gör att en agent kan växla mellan Heavisides förutsägelser i realtid och en traditionell lösare med full precision när konstruktionen behöver slutvalideras. Eftersom elektromagnetiska konstruktioner kan innehålla känslig immateriell egendom (tillkännagivandet nämner som exempel en antenn för ett försvarsprogram och kopplingslayouten inuti ett ännu inte lanserat chip) lyfter företaget fram Discoverys styrningskontroller, däribland granskningsloggar, åtkomstkontroller och integration med Microsoft 365, som viktiga faktorer för företagsledare som inför modellen i sina konstruktionsarbetsflöden.

Microsofts dokumentation beskriver Discovery som en utbyggbar plattform som samlar agentbaserad orkestrering, avancerat resonemang, en grafbaserad kunskapsgrund och högpresterande beräkningar. Plattformen bygger på Azures molninfrastruktur för företag och är utformad för att verka inom de ramar för säkerhet, regelefterlevnad, transparens och styrning som används för att hantera känsliga forsknings- och utvecklingsmiljöer, enligt dokumentationen. Plattformens inbyggda styrningskontroller möjliggör centraliserad hantering, granskningsspår och kontrollpunkter. Den integreras även med Microsoft 365, Microsoft Foundry och Microsoft Fabric. Discovery finns som en molntjänst för företag och som ett fristående datorprogram.

Preeth Chengappa, chef för branschområdet halvledare och fysik på Microsoft Discovery, sade i tillkännagivandet att AI påskyndar allt fler delar av hårdvarukonstruktionsprocessen, medan elektromagnetisk verifiering fortfarande är en avgörande flaskhals, särskilt när det gäller signalintegritet, samkonstruktion av termik och elektromagnetik samt höghastighetskapslingar.

Septemberlanseringen och resultaten från EMVal-riktmärket

Heaviside-1 lanserades i början av september. En teknisk publikation daterad den 1 september 2026 presenterade modellen som efterföljaren till Heaviside-0, som företaget släppte i mars tillsammans med programvaran Atlas RF Studio. Enligt publikationen utökades Heaviside-1 från Heaviside-0:s 2,5D-plana strukturer till fullständigt tredimensionella geometrier. Modellen förutsäger fullständiga 3D-vektorfält för elektriska och magnetiska fält utifrån en strukturs geometri, materialegenskaper och exciteringsmönster. I publikationen beskrivs modellen som mer än tio gånger större än Heaviside-0 och ungefär lika stor som GPT-2.

Eftersom det saknas befintliga riktmärken att utgå från för grundmodeller inom elektromagnetism introducerade Arena Physica också EMVal v1.0, en uppsättning riktmärken med ett spår för S-parametrar kallat EMVal-SP och ett närfältsspår kallat EMVal-NF, enligt publikationen. Företaget har privata standard- och utmaningsdelmängder för utvärdering och har släppt en offentlig version av standarddelmängden på Hugging Face.

Publikationen rapporterar att Heaviside-1 förutsäger fält med omkring 19 procents globalt fel och 22 procents medianfel lokalt för geometrifamiljer som förekom i träningsmaterialet. För helt nya familjer stiger värdena till omkring 33 respektive 28 procent, medan den medianbaserade vektoraligneringen ligger runt 98 procent. Enligt publikationen minskade träning med övervakning av hela fältet felet för S-parametrar utanför träningsfördelningen från 0,99 dB till 0,53 dB jämfört med en i övrigt identisk modell som endast tränats på S-parametrar.

Måltillämpningar och företagets planer

I tillkännagivandet pekas halvledare ut som ett område med stor potential. Heaviside kan påskynda elektromagnetisk verifiering för de strukturer som halvledarteam konstruerar, däribland BGA-kapslingar och SerDes-förbindelser – signalvägarna som kopplar en chipkristall till resten av ett system.

”Jag har ägnat årtionden åt att utforma RF- och millimetervågschip, och det långsammaste steget i processen har alltid varit att vänta på elektromagnetiska simuleringar”, sade Harish Krishnaswamy, chefsforskare på Arena Physica. Han sade att Heaviside ger svaret på millisekunder, så att ingenjörer nästan omedelbart kan verifiera konstruktioner, och att han ser fram emot att halvledarteam på Discovery ska tillämpa den hastigheten på arbete som avancerad kapsling och utformning av sammankopplingar.

Arena Physica, som grundades 2019 och har sitt säte i New York, beskriver sig som ett företag inom elektromagnetisk superintelligens och Heaviside som den första grundmodellen för elektromagnetism. Företaget uppger att det samarbetar med hårdvaruföretag, däribland AMD, Anduril och Bausch + Lomb. I publiceringen i september står det att företaget planerar att lägga till fler fysikaliska målvariabler längre ned i kedjan i Heaviside, med fjärrfältsstrålningsmönster som första tillägg, och att modellen är tillgänglig via betaversionen av Atlas Fields Studio.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.