HelloTriangle ile Yapay Zeka Destekli Simülasyon Süreçleri

HelloTriangle’ın CEO’su Peter Mortier, son yıllarda FEA, CFD ve CAE uygulamalarının ciddi bir verimlilik sorunu yaşadığını belirtiyor. Gelişmiş çözümleyicilere ve sonrası işleme araçlarına rağmen, mühendislerin gerçek analiz yapmadan önce CAD geometrisini hazırlamak için saatlerce zaman harcaması gerektiğini vurguluyor.

Mortier, “FEA/CFD mühendisleri için asıl zorluk, çözümleyiciyi çalıştırmak değil, simülasyonlarla ilgili tekrarlayan, manuel işlerin büyük bir kısmını yönetmektir,” diyor. Mühendislerin genellikle modelleri hazırlamak, sınır koşullarını tanımlamak, sonuçları çıkarmak ve bulguları belgelemek için önemli bir zaman harcadığını ifade ediyor. Özellikle deney tasarımı (DOE) çalışmaları, hassasiyet analizleri veya farklı tasarımlar ya da yük durumları içeren büyük simülasyon varyantları çalıştırırken bu süreçlerin zaman alıcı hale geldiğini belirtiyor.

Mortier, “Bu işlerin çoğu hala karmaşık masaüstü grafik kullanıcı arayüzleri (GUI) aracılığıyla yapılıyor ve bu da önemli ölçüde manuel etkileşim gerektiriyor,” diyor. Bu durumun, iterasyon döngülerini yavaşlattığını ve yüksek nitelikli mühendislerin düşük değerli, tekrarlayan görevlerle meşgul olmasına neden olduğunu ekliyor. Otomasyon bazı durumlarda mümkün olsa da, genellikle uygulanması karmaşık bir süreç.

Mortier, bu sıkıntının üstesinden gelmek için bir yol olduğuna dikkat çekiyor; ancak bu, mühendislerin karmaşık yazılımların takip edebileceği bir script veya kod yazmalarını gerektiriyor. Bu, makroları kaydetmeye benziyor, ancak daha fazla esneklik ve potansiyel sunuyor. CAD uygulamaları uzun zamandır özel script dilleri (örneğin, AutoCAD için AutoLisp, CATIA için CATScript) destekliyor; ancak çoğu CAE paketi, genellikle açık kaynak Python gibi sayısal olarak yetkin dillere standart hale gelmiş durumda.

Scripting güçlü bir araç olsa da, yalnızca bir CAE uygulamasına değil, aynı zamanda bir scripting diline de hakim olmayı gerektiriyor. Kod yazma ve hata ayıklama sürecinin ek zaman, çaba ve karmaşıklık gerektirmesi, script yazmaya hevesli olanların geri adım atmasına neden olabiliyor.

Nasıl Çalışır

Mortier, HelloTriangle’ın adını taşıyan çevrimiçi aracının bu noktada devreye girdiğini ifade ediyor. Web tarayıcısı içinde çalışan bu araç, CAE’ye özgü basit dil komutlarını Python tabanlı CAE scriptlerine dönüştürüyor ve böylece simülasyon analistlerinin tam anlamıyla kodlayıcı olmalarına gerek kalmıyor.

Örneğin, tipik bir HelloTriangle iş akışında kullanıcılar bir STL dosyasını HelloTriangle’a yükleyebilir. Dosya içe aktarıldıktan sonra, ağ yapısı uygulamanın 3D ortamında görüntülenir, böylece kullanıcılar AI komutlarının istenen sonuçları ürettiğini görsel olarak kontrol edebilirler.

Kullanıcılar, daha sonra HelloTriangle AI’sını içe aktarılan ağı geliştirmek veya rafine etmek için yönlendirebilir (örneğin, üçgenleri dörtlülere dönüştürmek), ayrıca malzemeleri, yükleri ve sınır koşullarını tanımlayabilirler. İşlem tamamlandığında, kullanıcılar değiştirilen ağı dışa aktarabilir ve FEA veya CFD uygulamaları için kullanılmak üzere AI tarafından üretilen Python scriptini kaydedebilirler.

Mortier, HelloTriangle’ın sıfırdan ağ geometrisi üretebildiğini, ancak bunun bir metinden CAD’e araç veya “kara kutu” üretken AI olmadığını vurguluyor. Çünkü mühendislik iş akışlarında tekrar edilebilirlik, şeffaflık ve kontrol son derece önemlidir. Bu nedenle HelloTriangle, AI komutlarından yürütülebilir Python kodu üretiyor; böylece opak çıktılar yerine tamamen denetlenebilir ve tekrarlanabilir bir iş akışı sunuyor. Üretilen kod, mühendislerin okuyup doğrulayabileceği, değiştirebileceği, sürüm kontrolü yapabileceği ve yeniden çalıştırabileceği bir yapıya sahip. Bu, her adımın izlenebilir olması gereken profesyonel FEA/CFD ortamlarında kritik bir öneme sahiptir.

Ayrıca, HelloTriangle’ın bir metinden koda LLM (Büyük Dil Modeli) olan Claude Code ile aynı olmadığını belirtiyor. Uygulamanın AI’sı, dış bir LLM’ye dayanıyor, ancak esasen bir temel katman olarak hizmet ediyor. Buna ek olarak, HelloTriangle mühendislik odaklı Python komutları ekliyor; bunlar parametreli ağ oluşturma, simülasyon kurulumu, sonuç çıkarımı ve sonrası işleme gibi görevleri içeriyor.

Mortier, “Entegre AI ajanımız, retrieval-augmented generation (RAG) yöntemini kullanıyor,” diyor. Bu, temel LLM’nin HelloTriangle’ın iç belgelerini ve doğrulanmış mühendislik iş akışı örneklerinin özenle hazırlanmış bir kütüphanesini içerdiği anlamına geliyor. Bu, HelloTriangle’ın ürettiği Python kodunun gerçek dünya simülasyon uygulamalarıyla uyumlu olmasını sağlıyor.

Metinden İşbirliğine

Ön işleme otomasyonunun yanı sıra, HelloTriangle sonuç çıkarımı, simülasyon raporlama ve işbirliği gibi sonrası işleme görevlerini de kolaylaştırabiliyor. Mortier, bir Python scripti çalıştırarak kullanıcıların örneğin bir Abaqus ODB dosyasından belirli çerçeveleri ve alan verilerini çıkarabileceğini ve bunları HelloTriangle’ın yerel HT5 formatına dönüştürebileceğini ifade ediyor.

Bu dosyayla HelloTriangle, içe aktarılan ağ geometrisini ve sonrası işleme sonuçlarını (örneğin, gerilme, deformasyon vb.) HelloTriangle’ın 3D ortamında görüntüleyebiliyor. Kullanıcılar, ardından AI’ya tüm sonuçları göstermesi, belirli alanları vurgulaması veya yalnızca belirli bir aralıkta değerler bulunan bölgeleri göstermesi için yönlendirebilirler.

Ortaya çıkan görselleştirme, daha sonra HelloTriangle kullanıcısının hesabında bulunan etkileşimli bir 3D “sahne” olarak kaydedilebilir ve başkalarıyla bir bağlantı aracılığıyla paylaşılabilir. Kullanıcılar ayrıca sahneleri, bir web tarayıcısında görüntülenen düz HTML kodu olarak dışa aktarabilirler.

Mortier, “Geleneksel olarak mühendisler, ekran görüntülerini dışa aktarmak, grafik hazırlamak ve paydaşlar için sunumlar oluşturmak için önemli bir zaman harcıyorlar. HelloTriangle, bunu tarayıcı tabanlı etkileşimli 3D paylaşımıyla değiştiriyor; bu sayede ekipler, yöneticiler, müşteriler veya tedarikçiler simülasyon sonuçlarını doğrudan tek bir bağlantı aracılığıyla keşfedebiliyorlar,” diyor.