Mistral e NVIDIA planejam engenharia com IA e avaliações de física compartilhadas

A Mistral e a NVIDIA anunciaram em 21 de outubro uma colaboração de engenharia industrial para conectar simulação, desenvolvimento de modelos de IA e projeto de produtos em um ciclo fechado. Os fluxos planejados combinam Mistral Large 4, geração de dados e modelagem física com as bibliotecas NVIDIA CUDA-X e Warp. O anúncio industrial publicado pela NVIDIA também descreve o uso dessas tecnologias pela Mistral como um plano para acelerar simulações e produzir dados de treinamento para modelos de engenharia.

Uma parte central do projeto é uma base de avaliação compartilhada. As empresas pretendem desenvolver benchmarks públicos e conjuntos de dados abertos para modelos físicos, dando a pesquisadores e equipes industriais materiais comuns para comparar precisão e desempenho. O trabalho também abrange fluxos automatizados que transformam projetos assistidos por computador em simulações, nos quais tanto o processo de preparação quanto as previsões físicas resultantes precisam ser avaliados.

Estão previstas avaliações separadas para agentes de engenharia assistida por computador e automação de projetos eletrônicos. Elas examinarão o uso de ferramentas, a conclusão de fluxos com várias etapas e a correção técnica dos resultados, além do tempo de execução e do custo computacional. Aeroespacial, automotivo e semicondutores são os setores mencionados como alvos. O anúncio apresenta esses benchmarks e integrações como desenvolvimento conjunto, sem publicar resultados de avaliação concluídos nem uma data de entrega para o fluxo completo de engenharia.

O Warp oferece um componente de computação já existente para esse trabalho. A NVIDIA o descreve como um framework Python de código aberto para acelerar física, IA e otimização. Ele compila funções Python em código executável em GPU e suporta simulação diferenciável, permitindo que gradientes dos resultados simulados retornem ao treinamento ou à otimização. Suas conexões com PyTorch e JAX ajudam a ligar cálculos numéricos a fluxos de aprendizado de máquina, preservando o controle detalhado sobre o código de simulação.

O problema da geração de dados antecede a parceria. Um artigo técnico da NVIDIA publicado em março descreveu o custo de produzir dados físicos de alta fidelidade como uma limitação para treinar modelos de simulação. Seu exemplo construiu um solucionador de fluidos bidimensional no Warp e aplicou diferenciação através da simulação em uma tarefa de otimização. Isso ilustra um caminho já documentado da física numérica ao treinamento de modelos; não é uma medição de desempenho do novo fluxo da Mistral. Os exemplos anteriores tampouco estabelecem uma aceleração para a colaboração como um todo.

A integração planejada com Omniverse envolve a criação de cenas 3D e ativos SimReady com aceleração por GPU. A especificação existente da NVIDIA descreve conteúdo de simulação baseado em OpenUSD, com metadados que podem incluir rótulos semânticos, atributos de sensores, propriedades de corpos rígidos e massa. Essas propriedades fornecem informações necessárias ao simulador além da forma visível de um objeto. A especificação também permite configurar ativos para diferentes requisitos de simulação, tornando o trabalho planejado de geração relevante para preparar ambientes de engenharia, além de visualizá-los.

A Mistral já havia apresentado seu esforço de IA física em maio, quando informou que a Emmi AI havia se integrado à empresa. A explicação diferenciava modelos que aprendem com resultados de solucionadores dos modelos de linguagem treinados com dados de simulação. Esses modelos físicos preveem comportamentos a partir de geometria, condições de contorno ou medições. A Mistral também preservava o papel dos solucionadores convencionais na verificação e em casos incomuns, posicionando modelos aprendidos para exploração repetida de projetos. A colaboração com a NVIDIA acrescenta computação acelerada e avaliação compartilhada a essa direção de engenharia já existente.

O componente de linguagem está em uma fase de lançamento diferente dos benchmarks de engenharia propostos. O Mistral Large 4 entrou em prévia pública em 6 de outubro por meio do Mistral Studio. Seu anúncio informou que ele foi treinado em infraestrutura NVIDIA Grace Blackwell nos centros de dados europeus operados pela Mistral e que os pesos estavam previstos para o fim de outubro. O anúncio de engenharia não transforma essa publicação planejada em uma já concluída nem identifica um modelo físico lançado separadamente.