Architektur/Maschinenbau/Baugewerbe
Arup verkürzt die Struktursimulation mit NVIDIA DGX Spark von Stunden auf Minuten
Ziel
Arup ist ein weltweit führendes Beratungsunternehmen für gebaute Umgebungen, das Technik, Design und Beratungsdienste in mehr als 130 Ländern anbietet. Da die Branche die Reduzierung des eingebetteten Kohlenstoffs bei gleichzeitiger Aufrechterhaltung der strukturellen Leistung zunehmend priorisiert, müssen die Ingenieure von Arup den Zyklus vom Design bis zur Simulation beschleunigen – ohne die Projektzeitpläne zu verlängern. Herkömmliche FEM-Simulationen (Finite Element Method) sind rechenintensiv und begrenzen die Iteration in der Frühphase, die zur Identifizierung optimaler, kohlenstoffarmer Designs erforderlich ist.
Durch das Training und die Bereitstellung von GNN-basierten (Graph Neural Network) Surrogate-Modellen auf NVIDIA DGX Spark™ hat Arup die Zeit zur Bewertung von Struktursimulationen von Stunden auf Minuten reduziert und gleichzeitig eine Genauigkeit von bis zu 95 % erreicht – was schnellere, datengestützte Designentscheidungen in großem Maßstab ermöglicht.
Kunde
Arup
Partner
Tsinghua University
Thema
Simulation/Modellierung/Design
Das Wichtigste im Überblick
Von Stunden zu Minuten
- GNN-Surrogate-Modelle reduzierten die für die strukturelle Leistung erforderliche Zeit von Stunden auf Minuten und ermöglichten so eine Design-Iteration in Workflows der Anfangsphase, nahezu in Echtzeit.
~90 bis 95 % Genauigkeit
- GNN-Surrogate-Modelle erzielten eine Vorhersagegenauigkeit von bis zu 95 % im Vergleich zu herkömmlichen FEM-Simulationen, wodurch die Genauigkeit auf technischer Ebene aufrechterhalten wird.
Bis zu 50 % schneller
- DGX Spark bot im Vergleich zu alternativen Plattformen eine bis zu 50 % schnellere Ausführung und ein bis zu 50 % schnelleres Training von GNN-Modellen und beschleunigte so die Entwicklungszyklen.
Skalierung der Strukturdesign-Exploration
Arup steht an der Schnittstelle zwischen ingenieurtechnischem Ehrgeiz und Umweltverantwortung. Als globales Beratungsunternehmen realisiert es einige der weltweit komplexesten Strukturen – von hohen Wolkenkratzern bis hin zu Offshore-Windparks, in über 130 Ländern und in jedem wichtigen Markt. Nachhaltigkeit ist keine Einschränkung für Arup; sie ist die Aufgabe. Das bedeutet, dass jede Entscheidung fur das strukturelle Design ein doppeltes Mandat hat: eine Ausführung gemäß den Spezifikationen und die Verwendung von so wenig Material sowie die Erzeugung von so wenig eingebettetem Kohlenstoff wie möglich. Um das Design zu finden, das beide Anforderungen erfüllt, müssen Tausende von Konfigurationen untersucht werden. Und die Erforschung Tausender von Konfigurationen erfordert Simulation.
Im Tragwerksbau ist die FEM-Methode der Branchenstandard für die Simulation von Strukturverhalten und die Gewährleistung der Sicherheit. Diese Simulationen sind jedoch rechenintensiv – sie dauern oft Minuten bis Stunden pro Modell und erfordern HPC-Infrastruktur und zugehörige Warteschlangen –, wodurch die Anzahl der Design-to-Simulations-Zyklen, die in Projektzeitplänen bewertet werden können, begrenzt wird. Dies ist besonders bedeutsam in Workflows in der Anfangsphase, in denen schnelle Iteration entscheidend ist. Da Projekte zunehmend einen Ausgleich zwischen struktureller Leistung, Materialkosten und eingebautem Kohlenstoff erfordern, wird diese Einschränkung zu einem erheblichen Engpass.
Ingenieure sind oft gezwungen, sich auf vereinfachte Annahmen zu verlassen oder nur eine begrenzte Anzahl von Optionen zu bewerten, was die Fähigkeit verringert, die leistungsstärksten, nachhaltigsten Lösungen zu identifizieren. Für ein globales Beratungsunternehmen wie Arup – das komplexe Projekte in mehr als 130 Ländern bereitstellt – wirkt sich diese Einschränkung sowohl auf die Effizienz als auch auf Innovation aus. Dies macht es schwierig, die Design-Exploration zu skalieren und kohlenstoffarme, optimale Ergebnisse innerhalb wettbewerbsorientierter Projektzeitpläne zu erzielen. Was Arup benötigte, war eine Möglichkeit, Tausende von strukturellen Optionen in Echtzeit zu erkunden – ohne die ingenieurstechnische Präzision zu beeinträchtigen oder die Projektzeitpläne zu verlängern.
Transformation von Design in der Frühphase mit quantitativen KI-Erkenntnissen
Durch den Einsatz von GNN-basierten Surrogatmodellen auf NVIDIA DGX Spark hat Arup seinen Strukturdesign-Workflow in der Anfangsphase transformiert. Die Zeit zur Bewertung der strukturellen Leistung sank von Hunderten von Stunden auf nur wenige Minuten, was nahezu sofortige Vorhersagen während Designstudien ermöglicht. Die Modelle erreichten eine Genauigkeit von 90–95 % in wichtigen Strukturmetriken, sodass Ingenieure KI-gestützte Erkenntnisse vertrauensvoll für kritische Designentscheidungen nutzen können.
In der frühen Designphase, in der zahlreiche Parameter viele potenzielle Schemata generieren, sind Ingenieure aufgrund der für die Analyse erforderlichen Zeit oft auf qualitative Bewertungen beschränkt. In einer kürzlich durchgeführten Studie generierte Arup durch parametrische Modellierung mehrere Optionen zur Baukörpermodellierung, die jeweils eine schnelle strukturelle Bewertung erfordern, um frühe Designentscheidungen zu treffen. Mit GNN-basierten Vorhersagen, die auf DGX Spark ausgeführt werden, können Tausende von strukturellen Plänen jetzt effizient bewertet werden, was fundiertere Kompromisse in den Bereichen strukturelle Leistung, Kosten und enthaltenem Kohlenstoff ermöglicht.
Durch die lokale Ausführung gewährleistet DGX Spark eine sichere Datenverarbeitung und unterstützt gleichzeitig eine schnellere Projektabwicklung und nachhaltigere Designergebnisse. Ingenieure, die zuvor in frühen Designphasen nur qualitative Bewertungen durchführen konnten, können jetzt quantitative, datengestützte Erkenntnisse nutzen, um optimale, kohlenstoffarme Lösungen schneller zu identifizieren.
„Die fortschrittliche KI von Arup, die in Partnerschaft mit der Tsinghua University entwickelt wurde, ermöglicht es uns in Kombination mit der NVIDIA DGX Spark- und KI-Optimierungsexpertise, komplexe Strukturen schneller zu entwerfen, wodurch sowohl Kosten als auch CO₂-Emissionen gesenkt werden und gleichzeitig Projektdaten lokal und sicher gehalten werden.“
Will Cavendish,
Global Digital Services Leader, Arup
Blick in die Zukunft
Physische Simulationen sind von zentraler Bedeutung für die hochwertige Arbeit von Arup- Sie umfassen Festkörper, Flüssigkeiten und Gase in Anwendungen wie Windmodellierung, Verschmutzung und Brandausbreitung, hydrologische Studien und die Analyse luftgetragener Infektionen. Zwei methodische Fortschritte treiben dieses Feld derzeit voran: agentische KI, die komplexe Engineering-Workflows effizienter orchestriert, und Surrogate-Modelle, die klassische Gleichungen durch neuronale Netzwerke ersetzen, um eine dramatisch schnellere Berechnung zu erreichen, ohne die Genauigkeit zu beeinträchtigen.
Erfahren Sie, wie NVIDIA DGX Spark KI-gestützte Simulationen im Ingenieurwesen und nachhaltiges Design beschleunigt.