Het Franse AI-​bedrijf Mistral en chipfabrikant NVIDIA gaan samenwerken om kunstmatige intelligentie een grotere rol te geven bij het ontwerpen, simuleren en testen van industriële producten. De bedrijven willen onder meer complexe technische simulaties versnellen en AI-​systemen ontwikkelen die zelfstandig verschillende stappen in het ontwerpproces kunnen uitvoeren. De samenwerking richt zich vooral op de luchtvaartindustrie, de automotive sector en de halfgeleiderindustrie.

Wie een nieuw industrieel product ontwikkelt, besteedt vaak veel tijd aan het uitvoeren van simulaties. Engineers gebruiken deze berekeningen bijvoorbeeld om te onderzoeken hoe een constructie reageert op mechanische belasting, hoe lucht langs een vliegtuigvleugel stroomt of hoe warmte zich verspreidt binnen een elektronische component. Dergelijke simulaties kunnen veel rekenkracht vragen en soms uren of zelfs dagen duren.

Mistral en NVIDIA denken dat kunstmatige intelligentie dit proces aanzienlijk kan versnellen. Door AI-​modellen te combineren met gespecialiseerde software voor technische berekeningen, willen de bedrijven engineers in staat stellen om sneller verschillende ontwerpen door te rekenen en meer ontwerpvarianten te onderzoeken.

Van ontwerp naar simulatie en weer terug

Centraal in de samenwerking staat het combineren van Mistrals AI-​modellen met de rekentechnologie van NVIDIA. Daarbij wordt onder meer gebruikgemaakt van Mistral Large 4, het nieuwste grote taalmodel van het Franse bedrijf, en gespecialiseerde AI-​modellen die het gedrag van fysieke systemen kunnen voorspellen.

Deze zogenoemde Physics AI verschilt van de generatieve AI die vooral bekend is van chatbots. Waar een taalmodel teksten en andere informatie verwerkt, worden Physics AI-​modellen getraind om bijvoorbeeld stromingen, temperatuurverdelingen, vervormingen en mechanische spanningen te voorspellen.

Voor engineers kan dat interessant zijn. In plaats van iedere ontwerpwijziging volledig met traditionele simulatiesoftware door te rekenen, kan een AI-​model mogelijk sneller een eerste voorspelling geven van de gevolgen van een aanpassing.

Daarmee ontstaat ook de mogelijkheid om het ontwerpproces verder te automatiseren. Een AI-​systeem zou bijvoorbeeld een ontwerp kunnen aanpassen, een simulatie uitvoeren, de resultaten beoordelen en vervolgens een nieuwe ontwerpvariant voorstellen.

Mistral en NVIDIA spreken in dit verband van een closed-​loop workflow: een proces waarin ontwerpen, simuleren en verbeteren steeds opnieuw op elkaar aansluiten. Het uiteindelijke doel is dat engineers sneller tot een technisch geschikt ontwerp komen, zonder dat iedere afzonderlijke stap handmatig hoeft te worden uitgevoerd.

Bestaande engineeringsoftware blijft belangrijk

Voor de technische uitvoering willen de bedrijven gebruikmaken van NVIDIA CUDA‑X en NVIDIA Warp. Dit zijn softwarebibliotheken waarmee complexe berekeningen op grafische processors kunnen worden uitgevoerd en versneld.

Daarnaast wordt gewerkt aan integratie met NVIDIA Omniverse, een platform voor het ontwikkelen en simuleren van driedimensionale virtuele omgevingen. Hiermee kunnen onder meer digitale modellen van machines, onderdelen en complete industriële systemen worden opgebouwd.

Een belangrijk onderdeel is het creëren van zogenoemde SimReady assets. Dat zijn driedimensionale modellen die niet alleen visueel correct zijn, maar ook de eigenschappen bevatten die nodig zijn om simulaties uit te voeren.

Door deze technologieën te combineren, willen de bedrijven een omgeving ontwikkelen waarin AI-​systemen niet alleen ontwerpvoorstellen genereren, maar ook daadwerkelijk met engineeringsoftware kunnen werken.

Dat betekent overigens niet dat bestaande CAD- en CAE-​systemen overbodig worden. De samenwerking is er juist op gericht om AI beter met dergelijke systemen te laten samenwerken.

Kan een AI-​agent ook echt engineeringwerk uitvoeren?

Een tweede belangrijk onderdeel van de samenwerking betreft het testen van AI-​agents. Dit zijn AI-​systemen die niet alleen vragen beantwoorden, maar ook zelfstandig software kunnen bedienen en opeenvolgende taken uitvoeren.

Mistral en NVIDIA willen onderzoeken in hoeverre dergelijke agents bruikbaar zijn voor Computer-​Aided Engineering (CAE) en Electronic Design Automation (EDA), software die onder meer wordt gebruikt bij het ontwerpen van elektronische schakelingen en halfgeleiders.

Daarbij gaat het niet uitsluitend om de snelheid waarmee een AI-​agent werkt. Minstens zo belangrijk is de vraag of het systeem technisch correcte resultaten produceert.

De bedrijven willen daarom openbare benchmarks ontwikkelen waarmee de prestaties van AI-​modellen en agents kunnen worden vergeleken. Die tests moeten onder andere duidelijk maken of een AI-​agent engineeringtools correct gebruikt, ingewikkelde taken met meerdere stappen kan afronden en daarbij binnen acceptabele grenzen blijft wat betreft rekentijd en kosten.

Ook willen de partners open datasets beschikbaar stellen waarmee onderzoekers en industriële bedrijven AI-​modellen kunnen ontwikkelen, testen en vergelijken.

Dat is een belangrijk aandachtspunt. Een AI-​model dat een technisch overtuigend antwoord geeft, hoeft immers nog geen fysisch correcte berekening te hebben uitgevoerd. Juist bij industriële toepassingen, waar fouten grote gevolgen kunnen hebben voor veiligheid, kwaliteit en betrouwbaarheid, is onafhankelijke validatie noodzakelijk.

Snellere simulaties als uitgangspunt

Volgens Neil Ashton, vicepresident Computational Engineering bij Mistral, wordt het tempo van engineering al lange tijd bepaald door de snelheid waarmee simulaties kunnen worden uitgevoerd. Met de combinatie van open-​weight AI-​modellen, Physics AI en versnelde rekentechnologie willen de bedrijven die beperking verminderen.

Tim Costa, vicepresident Industrial and Computational Engineering bij NVIDIA, wijst daarnaast op de mogelijkheid om ontwerpen te onderzoeken die voorheen te complex of te tijdrovend waren om uitgebreid te testen.

Het gaat daarbij niet alleen om het sneller uitvoeren van bestaande werkzaamheden. Wanneer engineers in dezelfde tijd veel meer ontwerpvarianten kunnen onderzoeken, ontstaan mogelijk ook andere manieren om producten te ontwikkelen.

Zo kan een engineer bijvoorbeeld meer alternatieven vergelijken op het gebied van gewicht, materiaalgebruik, energieverbruik of thermische prestaties. Dat kan vooral interessant zijn in sectoren waar kleine verbeteringen grote technische of economische gevolgen hebben.

Mistral zet sterker in op industriële AI

De samenwerking past binnen de bredere strategie van Mistral om zijn AI-​technologie ook voor gespecialiseerde industriële toepassingen beschikbaar te maken.

Het Franse bedrijf investeert onder meer in Physics AI en opende onlangs een vestiging in München waar onderzoek naar industriële AI centraal staat. Daar werkt Mistral onder andere samen met BMW aan toepassingen rond crashsimulaties en met Siemens Energy aan industriële AI.

Ook de samenwerking met NVIDIA is niet nieuw. Beide bedrijven ontwikkelden eerder het taalmodel Mistral NeMo en werken binnen de NVIDIA Nemotron Coalition aan nieuwe AI-​modellen waarvan de modelgewichten beschikbaar worden gesteld.

Mistral Large 4, dat eveneens een rol krijgt binnen de nieuwe engineeringtoepassingen, telt ongeveer een biljoen parameters, waarvan er per verwerking circa 49 miljard actief zijn. Het model is getraind op 3.800 NVIDIA Grace Blackwell​-GPU’s in Europese datacenters die door Mistral worden beheerd. De modelgewichten moeten eind oktober beschikbaar komen.

Nog geen bewezen versnelling

Hoewel de plannen technisch interessant zijn, is de samenwerking vooralsnog vooral gericht op ontwikkeling en het opstellen van gemeenschappelijke testmethoden. Mistral en NVIDIA hebben bij de aankondiging geen concrete cijfers gepubliceerd over de tijdwinst die industriële bedrijven met de nieuwe aanpak kunnen behalen.

Ook is nog niet duidelijk in hoeverre AI-​gebaseerde simulaties traditionele berekeningen in de praktijk kunnen vervangen. Dat zal sterk afhangen van de toepassing, de kwaliteit van de gebruikte trainingsgegevens en de nauwkeurigheid die voor een specifieke engineeringtaak noodzakelijk is.

Voor industriële bedrijven is vooral interessant dat AI zich hiermee verder ontwikkelt van een hulpmiddel voor documentatie, programmeren en informatieverwerking naar een technologie die ook rechtstreeks bij technische ontwerp- en berekeningsprocessen betrokken kan worden.

De komende tijd moet blijken of Mistral en NVIDIA erin slagen die mogelijkheden om te zetten in aantoonbare verbeteringen in snelheid, kosten en technische betrouwbaarheid. Daarmee kan de samenwerking een bijdrage leveren aan de verdere toepassing van AI binnen industriële engineering.