🌟 HY3D-Bench: 22 терабайта отборной 3D-геометрии.

Tencent Hunyuan вывалили в опенсорс монструозный пак HY3D-Bench на 22.5 ТБ и это подарок для всех, кто занимается 3D Gen и робототехникой.

Датасет разбит на 3 логических куска, каждый под свои задачи:

🟡Full-level Dataset (252K+ мешей, ~11 ТБ) База с полностью замкнутой геометрией, без дырок и non-manifold артефактов, которыми обычно кишат сканы. Все нормализовано и готово к скармливанию в DiT или GAN. В комплекте идут сэмплы точек и мульти-вью рендеры.

OpenAI наконец-то пустила в дело наработки купленного стартапа Crixet и это очень хорошая попытка создать идеальное рабочее место для ученых, где не нужно прыгать между десятью вкладками.

Если вы когда-нибудь писали статью, то вам знакомо, когда в одном окне Overleaf, в другом - ChatGPT, в третьем - arXiv, а где-то сбоку еще болтается менеджер ссылок. Контекст постоянно теряется, а копипаст формул туда-сюда рано или поздно приводит к ошибкам.

Так вот, Prism соберет все это в одну кучу и это не просто чат в боковой панели. Он видит всю структуру вашей статьи: уравнения, библиографию и графики.

Модели турбулентности на основе машинного обучения

https://youtu.be/AgvjPPzy64I

Машинное обучение, и в частности глубокие нейронные сети, в настоящее время революционизируют методы моделирования турбулентной гидродинамики. В этом видео рассказывается о том, как глубокое обучение используется для моделирования турбулентности.

#ai #ml #turbulence https://tinyurl.com/ygdrop9q

Deep Learning for Turbulence Closure Modeling https://tinyurl.com/ygdrop9q

Ansys займется алхимией

17 февраля 2021 ANSYS обвил о своей договоренности с компанией  Intellegens Limited (https://intellegens.ai) из Кэмбриджа об использовании их линейки продуктов под говорящим названием Alchemite в моделировании процессов аддитивного производства. Alchemite - это решения на основе машинного обучения позволяющею быстро идентифицировать параметры материалов и анализировать результаты экспериментов.

Alchemite предполагается встроить в материаловедческую систему Ansys Granta MI. Ожидается, что такая связка ПО позволит решить такие задачи, как оптимизация технологических параметров для процессов AM, прогнозирование свойств материалов на основе расчетов, контроль качества и помощь в проектировании экспериментов (DoE) для AM.

Машинное обучение для CFD

https://www.youtube.com/watch?v=8e3OT2K99Kw

Стивен Брантон (Steven L. Brunton) - доцент кафедры машиностроения, Университет Вашингтона, Сиэтл, Вашингтон, США (Department of Mechanical Engineering, University of Washington, Seattle, Washington, USA) рассказывает о том, как технологии машинного обучения и машинного интеллекта могут применяться при решении CFD задач. Во многом видео является презентацией его статьи, которая бесплатно доступна для скачивания по ссылке: https://www.annualreviews.org/doi/pdf/10.1146/annurev-fluid-010719-060214

https://www.youtube.com/watch?v=3fOXIbycAmc

https://www.youtube.com/watch?v=gb_C9LcjDSI

#ai #cfd #machine_learning https://tinyurl.com/yxtofu9p by Юрий Новожилов

Машинный интеллект учится ходить

Обзор статьи-исследования, в которой экспериментаторы наделили скелет мускулатурой и заставили нейронку учиться ходить, бегать и выполнять прочие физические упражнения. После чего стало возможным исследовать особенности в работе опорно-двигательного аппарата и влияние различных операций на подвижность человека.

#AI #simulationfriday

https://wp.me/p9vWYY-2BE

https://wp.me/p9vWYY-2BE

Машинный интеллект проектирует стулья История о том, как при помощи программного обеспечения Autodesk Dreamcatcher был спроектирован удобный и симпатичны концепт стула Elbo Chair. По сути это не то что бы машинное обучени - это скорее топологическая оптимизация или генеративный дизайн, но для хайпа можно и AI упомянуть.

http://www.digitaleng.news/de/ai-wants-seat-design-table/ #AI #Autodesk #Dreamcatcher #optimization #Topology https://magicdpd.ru/?p=5822

Artificial Intelligence Wants a Seat at the Design Table https://magicdpd.ru/?p=5822

Машинный интеллект для решения задачи гидродинамики https://www.youtube.com/watch?v=iOWamCtnwTc

Ребята из #Google #Brain (группа разработчиков #AI) научили нейтронную сеть решать задачи гидрогазодинами! Нейронке долго показывали видео с различными процессами, происходящими в жидкости и газе и учили ее понимать, что за физика за этим скрыта. Как заявлено в публикациях, нейрона научилась расшить #CFD задачи, причем в десятки раз быстрее чем традиционные вычислительные алгоритмы методы.

Отдельное спасибо за забавный пример столкновения облаков газа в форме чайника и кролика.