O que é — e o que não é — a IA para simulações físicas da Siemens
A Siemens revelou novos detalhes sobre os limites da sua tecnologia de IA para simulações físicas (physics AI), e a honestidade é a parte mais interessante da história. O Simcenter PhysicsAI, software de deep learning geométrico da Siemens, pode acelerar previsões de design em até 1.000 vezes em comparação com solvers tradicionais — mas a empresa é categórica: ele não substitui a validação humana em aplicações críticas de segurança.
Em entrevista durante o evento Realize LIVE Asia-Pacific em Bengaluru, Sam Mahalingam, que lidera o negócio na Siemens Digital Industries Software, foi direto: “Isso é bom para aplicações de segurança crítica? Não, não é.”
A declaração corta na contramão de dois anos de uma indústria insistindo que sua IA pode fazer quase tudo. O valor para engenheiros não está na velocidade que a Siemens está vendendo, mas em saber exatamente onde essa velocidade deixa de ser confiável.
Como funciona: um filtro, não um substituto
O Simcenter PhysicsAI usa modelos substitutos (surrogate models) que aprendem com dados históricos de simulação e preveem o resultado para um novo design. Em vez de calcular a física do zero a cada vez, o modelo faz uma estimativa em segundos — não um cálculo completo.
Mahalingam explicou que, por décadas, engenheiros compararam simulação baseada em física com testes físicos até que a correlação fosse apertada o suficiente para confiar. A IA agora está sendo medida contra essa mesma linha de base. “O que estamos vendo é que, se você tiver dados suficientes, fica muito próximo de um solver baseado em física”, disse ele, citando a variação de 1% a 3% que a Siemens reporta em seus estudos de caso.
Próximo, mas não próximo o suficiente para certificar um componente de vida ou morte. O substituto não é um substituto para validação — é um filtro colocado na frente dela. O engenheiro explora milhares de variações com o motor rápido de IA, seleciona dois ou três designs promissores e só então os submete à simulação física completa. Apenas depois dessa verificação o design avança para fabricação.
A dependência que os números de velocidade escondem
Há um segundo limite que os números de aceleração tendem a obscurecer: vários dos resultados de destaque da Siemens — incluindo casos com Magna e Continental — dependem de IA treinada com dados sintéticos, ou seja, saída de simulação gerada pelos próprios solvers da Siemens, não medições do mundo real.
Mahalingam reconheceu a circularidade: no caso da Magna, o cliente rodou uma exploração ampla de design no Simcenter HEEDS (ferramenta de busca de design) e resolveu as variações rapidamente usando o Simsolid (um solver que pula a etapa de construção de malha). Essa saída de simulação foi então usada para treinar o modelo de IA. “Onde um cliente não tem dados para começar, eles primeiro geraram dados sintéticos com Simsolid e HEEDS, depois pegaram esses dados e treinaram um modelo de physics AI.”
O substituto, em outras palavras, só é tão bom quanto a simulação abaixo dele. O que impede que isso se torne uma armadilha é uma barreira de segurança embutida: um modelo treinado com variações de um formato vai falhar se receber um formato radicalmente diferente — e foi projetado para avisar. “Colocamos barreiras onde ele volta e diz: ei, não consigo prever isso. É um formato completamente diferente do que fui treinado”, disse Mahalingam. “Assim, o engenheiro não pode dar um tiro no próprio pé.”
Por que a honestidade é a história
A franqueza não é autodepreciação; é posicionamento. Todo fornecedor de simulação está correndo para anexar IA ao seu portfólio, e o risco de credibilidade é que os compradores parem de acreditar em qualquer número. Ao marcar a borda da tecnologia — segura para exploração, não para aprovação final; poderosa com dados, inútil fora do envelope de treinamento — a Siemens aposta que engenheiros confiam mais em uma ferramenta quando ela diz o que não pode fazer.
Soa diferente vindo do lado da simulação. Fornecedores de chips e IA empresarial passaram o ciclo de hype prometendo autonomia; uma empresa cujos clientes modelam estruturas de colisão e motores a jato está, em vez disso, insistindo que a etapa de validação humana permaneça exatamente onde está. A Siemens está vendendo o 1.000x, mas o que está oferecendo de mais valioso aos engenheiros é o limite ao redor dele.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
