合作伙伴

Arena Physica 将 Heaviside 电磁模型引入 Microsoft Discovery

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Arena Physica 在2026年10月13日发布的公告中表示,其电磁学基础模型 Heaviside 现已登陆 Microsoft Discovery。公告将 Microsoft Discovery 描述为微软的智能体工程平台。据该公司称,该模型可在毫秒内预测完整的三维电磁场响应,速度约为传统求解器的 10 万倍。

公告围绕该公司所称的电磁设计验证难题展开。该公司写道,所有电磁设计问题最终都归结为一个问题:设计方案建成后实际会如何表现。目前,要回答这个问题,必须将几何结构交给全波场求解器,并等待数小时甚至数天才能完成一次计算。该公司认为,拖慢这一流程的并非设计本身,而是验证环节;这也是 AI 一直难以加速电磁设计的原因。

公告称,9月初发布的 Heaviside-1 是一个拥有3.5亿个参数的模型,训练数据包含25万次三维场仿真,涵盖5000亿个独立场样本。输入结构的几何形状、材料和激励条件后,该模型会返回完整的三维电磁场响应。该公司表示,其预测结果与商业级精度的偏差在1分贝以内。

Arena Physica 首席研究官 Michael Frei 表示:“Heaviside 旨在直接学习电磁场,也就是由麦克斯韦方程组支配的底层物理规律的解。”他还指出,数十年来,电磁设计一直受限于专业人才稀缺和求解器速度缓慢。

Heaviside 如何在 Microsoft Discovery 上运行

公告称,Heaviside 通过直接连接高性能计算资源,接入 Discovery 现有的生态系统,使智能体能够在 Heaviside 的实时预测与高保真传统求解器之间切换,以便在设计需要最终验证时使用后者。电磁设计可能包含敏感的知识产权(公告举例提到国防项目所用的天线,以及尚未发布芯片内部的互连布局),因此,该公司特别指出 Discovery 的治理控制措施对企业管理者在设计工作流程中采用该模型十分重要,其中包括审计日志、访问控制和 Microsoft 365 集成。

微软的文档将 Discovery 描述为一个可扩展的平台,整合了智能体编排、先进推理、基于图谱的知识基础和高性能计算。文档指出,该平台构建于 Azure 企业云基础设施之上,旨在遵循用于管理敏感研发环境的安全、合规、透明度和治理框架。平台内置的治理控制功能可提供集中管理、审计跟踪和检查点,并支持与 Microsoft 365、Microsoft Foundry 和 Microsoft Fabric 集成。Discovery 既可作为企业云服务使用,也提供独立的桌面应用程序。

微软 Discovery 半导体与物理行业负责人 Preeth Chengappa 在公告中表示,AI 正在加速硬件设计流程中的更多环节,而电磁验证仍是一个关键瓶颈,尤其是在信号完整性、热设计与电磁设计协同以及高速封装方面。

9月发布及 EMVal 基准测试结果

Heaviside-1 于9月初推出。一份发布日期为2026年9月1日的技术论文将其介绍为 Heaviside-0 的后继模型;该公司于3月发布 Heaviside-0 时,还同时推出了 Atlas RF Studio 软件。论文称,Heaviside-1 从 Heaviside-0 的2.5D平面结构扩展到完整的3D几何结构,并可根据结构的几何形状、材料属性和激励模式,预测完整的三维电场和磁场矢量。论文称,该模型的规模是 Heaviside-0 的十倍以上,与 GPT-2 大致相当。

论文指出,由于电磁学基础模型尚无现成基准可供借鉴,Arena Physica 还推出了 EMVal v1.0 基准测试套件,其中包括名为 EMVal-SP 的 S 参数测试项和名为 EMVal-NF 的近场测试项。该公司保留了私有的标准评估集和挑战评估集,并已在 Hugging Face 上发布标准评估集的公开版本。

论文报告称,对于训练期间出现过的几何结构类别,Heaviside-1 的场预测全局误差约为19%,局部误差中位数为22%;对于完全未见过的类别,这两项误差分别上升至约33%和28%,而矢量对齐度中位数约为98%。论文还报告称,与仅使用 S 参数训练的其他条件完全相同的模型相比,采用全场监督训练使分布外 S 参数误差从0.99 dB降至0.53 dB。

目标应用与公司计划

公告指出,半导体领域蕴藏着巨大的机会。Heaviside 能够加速半导体团队所设计各类结构的电磁验证,包括 BGA 封装和 SerDes 互连;后者是连接芯片裸片与系统其余部分的信号通路。

Arena Physica 首席科学家 Harish Krishnaswamy 表示:“我数十年来一直致力于设计射频和毫米波芯片,而整个流程中最耗时的环节始终是等待电磁仿真结果。”他表示,Heaviside 能在毫秒内给出结果,让工程师几乎可以即时验证设计;他也期待 Discovery 上的半导体团队将这一速度应用于先进封装和互连设计等工作。

Arena Physica 成立于 2019 年,总部位于纽约市。该公司将自己定位为一家电磁超智能公司,并称 Heaviside 是首个面向电磁学的基础模型;公司还表示,其合作对象包括 AMD、Anduril 和 Bausch + Lomb 等硬件企业。9 月发布的文章指出,该公司计划为 Heaviside 增加更多下游物理目标,首先从远场辐射方向图入手;该模型目前可通过 Atlas Fields Studio 测试版使用。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。