Simular o mundo real é um problema tremendamente complexo se você deseja fazê-lo em qualquer nível útil de fidelidade. Técnicas tradicionais estão impedindo equipes de design em empresas de veículos e aeroespaciais, mas a Beyond Math está colocando a IA na tarefa com uma nova forma de simular o mundo que poderia economizar dias ou semanas de espera.
'Ao contrário da linguagem, onde não temos modelos matemáticos para descrever qual deverá ser a próxima palavra, quando se trata de física, temos esses modelos. E o que estamos vendo é que a aprendizagem de máquina é realmente muito boa em computação, não apenas em reconhecimento de padrões', disse o co-fundador Darren Garvey.
O campo em que a Beyond Math está dando seus primeiros passos é chamado de dinâmica computacional de fluidos (CFD), e existe há tanto tempo quanto a computação. As equações que governam como um objeto se move pelo ar ou água, ou o ar em torno de um objeto, são extremamente complexas. De modo que, embora continuemos melhorando nossa capacidade de prever, por exemplo, a forma como o ar flui sobre uma asa, ainda estamos longe da perfeição - e o que podemos fazer requer tanta potência computacional que é limitado a supercomputadores e clusters de GPU.
O resultado é que o processo de design em indústrias como carros, aviões e barcos envolve muito tempo de espera.
“Para um designer, eles pensam muito no que pode funcionar, então eles executam uma simulação. No dia seguinte, eles têm os resultados. Ou fez o que eles queriam ou não, e eles têm que passar por este ciclo mais algumas vezes. Então você leva para o túnel de vento”, disse Garvey - e o túnel de vento pode não concordar com a simulação, então é voltar à prancheta.
O objetivo da Beyond Math é acelerar o lado do design digital, o que significa encurtar o atraso entre ter uma ideia e descobrir se é provável que funcione.
“Eles estão dizendo, se eu fizer essa mudança de design, meu carro ficará mais eficiente em combustível? Imagine que você tem seis meses para projetar uma peça para um avião. Dado que uma simulação leva tanto tempo, você pode ter 20 tentativas para experimentar coisas. Mas se um designer pensa em uma ideia e obtém resultados em segundos ou alguns minutos, nos mesmos seis meses você pode ser capaz de executar um milhão de mudanças”, disse Garvey.
E está cada vez mais parecendo que a aprendizagem de máquina, em oposição a apenas mais GPUs executando as mesmas equações antigas, é o caminho a seguir. Seu primeiro produto é um “túnel de vento digital” que fornece simulação quase em tempo real do fluxo de ar sobre uma superfície complexa a uma fidelidade que normalmente levaria centenas de vezes mais tempo.
Vimos algo assim na literatura científica, onde um modelo de um sistema meteorológico pode ser efetivamente aproximado em uma fração do tempo, usando um modelo de aprendizagem de máquina treinado em milhares de horas de simulações e padrões observados. Mas a Beyond Math não tem o luxo de um conjunto de treinamento pré-existente.
“Não há muitos dados de simulação por aí - não temos a internet inteira para treinar, como as LLMs. Então como você obtém algo equivalente ao que os designers estão usando, que funciona nesses geometrias muito complexas, como uma startup?”
Surpreendentemente, a resposta que encontraram não é depender de simulações, mas sim ter um modelo que entenda a teoria por trás de algo como um túnel de vento, bem como a realidade observada dessa teoria.
“Não estamos tentando aproximar as simulações, estamos tentando aproximar o mundo real”, disse Garvey. “E você tem que trazer dados do mundo real para fazer isso.”
Uma vez que o modelo entende como um sistema se comporta, ele também pode ser um participante ativo no design, uma possibilidade que muitos engenheiros já começaram a explorar em outros domínios. Garvey comparou com a compreensão de imagens: lá, também, os modelos de aprendizagem de máquina tiveram que andar antes de correr, mas uma vez que fossem experientes em analisar uma imagem, era um próximo passo intuitivo para eles gerarem uma.
Entre os primeiros mercados da Beyond Math está a corrida de Fórmula 1, onde algumas equipes não identificadas estão explorando o uso do software para acelerar seus processos de aerodinâmica e design de veículos.
“Eles são um dos maiores usuários de CFD, e eles são rápidos em adotar novas tecnologias. Estamos trabalhando de perto com algumas equipes de F1, fazendo muita avaliação e entendendo seus problemas centrais. Estamos perto de ter uma plataforma que realmente fará com que seus carros fiquem mais rápidos,” disse Garvey.
De fato, ele expressou esperança (com o aviso usual de que não havia garantia) de que dentro de seis meses ”poderemos mostrar que os clientes estão se beneficiando desses modelos, e eles saíram da pesquisa e dos conceitos provados para coisas que têm um impacto real.”
Novos financiamentos devem ajudar a tornar isso realidade: a Beyond Math acabou de levantar uma rodada semente de $ 8,5 milhões liderada pela UP.Partners, com a participação da Insight Partners e InMotion Ventures.
A startup espera dobrar o tamanho de sua equipe e escalar sua computação; eles estão comprando Nvidia DGX 200s e trabalhando com o gigante dos chips nesta interessante nova aplicação de seu hardware de computação onipresente.
Embora a comunidade altamente competitiva e com profundos bolsos da corrida de Fórmula 1 seja certamente um bom cliente a se ter, a Beyond Math está pensando em seus próximos passos.
“Estamos vendo muito sucesso no espaço de design de nossos clientes, mas será uma jornada disso para algo mais generalizável. Por exemplo, se um modelo entende carros, ou objetos semelhantes a carros, não necessariamente entenderá um avião, ou um vaso sanguíneo,” disse Garvey. “Mas esse é o clássico dança de startup - você precisa encontrar seu caminho para a tração antes de ter a margem de manobra para expandir. Como empresa, estamos focados nesses clientes de alto nível para que possam ajudar a impulsionar a empresa.”
