Monolith AI 和伦敦帝国理工学院使用 50 万英镑的 Innovate UK 拨款来创建可以评估金属零件可制造性的 AI

领先的人工智能工程 (AIE) 软件公司 Monolith AI 和伦敦帝国理工学院将使用 500,000 英镑的 Innovate UK 赠款启动一个项目，以构建一种新型人工智能解决方案，该解决方案将能够评估金属部件是否可制造，甚至可以解释为什么它们可能无法制造。虽然 CAE 仿真极大地改进了工业产品（例如汽车门）的可制造性评估方式，但关于这扇门是否真正可制造的最终决定仍然仅限于少数需要评估的领域专家的评估仿真结果。我们从用于诊断肺癌的医学图像处理中了解到，机器学习模型在经过足够数据的训练后可以为新患者提供高度准确的评估。然而，知道最终的预测是不够的。医生需要了解原因和地点e 人工智能算法检测到癌症。工程应用也是如此。 “仅仅知道一扇门是不可制造的是不够的。您需要了解原因，更重要的是如何更改设计和操作条件以使其可制造”，项目负责人 Joël Henry 博士说。因此，我们的目标是构建一个新版本的可解释 AI，以提供明确的反馈向工程师说明它是如何得出结论的，从而消除“黑匣子”困境。Monolith AI 和伦敦帝国理工学院希望简化制造过程，并通过使用 AI 从可以制造的产品中学习，为大批量制造商提供新的竞争优势并预测什么最适合新组件，使工程师能够根据重复性任务和历史数据构建专家模拟。该平台将在 18 个月内开发完成，并将由多个行业进行评估尝试合作伙伴。如果成功，该项目将彻底改变制造业中的计算机辅助工程 (CAE)，使工程师能够在几秒钟内运行复杂的可制造性评估，而无需数周时间，从而释放工程技能来处理最复杂的增值任务。 Monolith AI 首席执行官兼创始人 Richard Ahlfeld 博士。图片由 Monolith AI 提供，Monolith AI 的首席执行官兼创始人 Richard Ahlfeld 博士评论道：“CAE 在推进组件制造方面做得非常出色，但在许多领域，物理模拟仍然无法捕捉组件的真正复杂性。大型工程公司在评估可制造性时会收集大量数据，我们的目标是让这些数据对他们有利。这笔最新的资金将使我们能够探索这种可能性，并不仅推动汽车行业，而且推动其他行业向前发展。”