模拟真实世界是一个极其复杂的问题，如果您希望以任何有用的精度水平进行模拟。传统技术正在阻碍车辆和航空航天公司的设计团队，但Beyond Math正在通过一种新的模拟世界的方式利用人工智能来解决这个问题，这可以节省他们几天甚至几周的等待时间。
“与语言不同，我们没有数学模型来描述下一个词应该是什么，但当涉及到物理学时，我们有这些模型。我们发现机器学习实际上非常擅长计算，而不仅仅是模式识别，”联合创始人Darren Garvey说。
Beyond Math正在迈出的领域称为计算流体动力学（CFD），它的存在时间与计算机一样长。控制物体在空气或水中移动的方程式，或者物体周围的空气都是非常复杂的。因此，虽然我们不断改进我们预测例如空气在机翼上流动的能力，但我们仍然远非完美 - 而我们所能做的需要大量的计算能力，这僵限于超级计算机和GPU集群。
结果是，类似汽车、飞机和船舶等行业的设计过程涉及大量的等待时间。
Beyond Math的目标是加速数字设计方面，这意味着缩短从想法到了解其是否可能有效的延迟时间。
“他们在说，如果我做这个设计改变，它会让我的汽车更加节能吗？想象一下，你有六个月的时间为飞机设计一个零件。鉴于模拟需要这么长时间，您可能会尝试20次进行尝试。但是如果设计师想到一个主意，并在几秒钟或几分钟内获得结果，那么在同样的六个月内，您可能能够进行数百万次更改尝试，” Garvey说。
越来越多的迹象表明，与只是使用更多GPU运行相同方程式不同，机器学习才是这样做的方法。他们的第一个产品是一个“数值风洞”，可以在通常需要比原来长数百倍的时间内提供对复杂表面上的空气流动进行几乎实时的模拟。
我们在科学文献中看到了类似的情况，气象系统的模型可以在一小部分的时间内有效地近似，而使用机器学习模型经过数千小时的模拟和观察模式训练。但Beyond Math没有现成的训练集的奢侈条件。
“现有的模型不多 - 我们没有整个互联网可以参考，就像LLMs那样。那么，作为一家初创公司，如何获得类似设计师使用的东西，对于这些非常复杂的几何形状有效呢？”
令人惊讶的是，他们发现的答案不是依赖于模拟，而是拥有一个理解风洞背后原理以及这个理论的观测现实的模型。
“我们不是试图近似模拟，而是试图近似真实世界，” Garvey说。“而且你必须引入真实世界的数据来做到这一点。”
一旦模型了解系统的行为方式，它还可以成为设计的积极参与者，许多工程师已经开始在其他领域探索这种可能性。Garvey将其比作图像理解：在那里，机器学习模型也必须先学会走路，然后才能跑步，但一旦他们擅长分析图像，对他们来说生成一个图像就是一个直观的下一步。
除Beyond Math的首个市场之外，还有一些未透露名称的F1赛车队正在探索使用该软件加快其空气动力学和车辆设计过程。
“他们是CFD的最重度用户，他们行动敏捷，他们会采用新技术。我们与几支F1车队密切合作，进行了大量评估并了解他们的核心问题。我们即将推出一款可以使他们的汽车速度更快的平台，”Garvey说。
事实上，他表达了希望（通常会提出无法保证的警告），在六个月内“我们将能够展示客户从这些模型中受益，并且他们已经从研究和概念验证转变为具有真正影响的事物。”
新资金应该有助于实现这一目标：Beyond Math刚刚完成了由UP.Partners领投，Insight Partners和InMotion Ventures参与的850万美元种子轮融资。
这家初创公司预计将团队规模加倍并扩大其计算规模；他们将购买Nvidia DGX 200，并与这家芯片巨头合作，开发其广泛用于这种有趣新应用的计算硬件。
尽管充满竞争且长袖善舞的F1赛车群体显然是一个不错的客户，但Beyond Math正在考虑其下一步。
“我们在客户的设计领域看到了很多成功，但从那里到更具普遍性还有一段距离。例如，如果一个模型了解汽车或类似汽车的对象，它不一定会理解飞机或血管，”Garvey说。“但这是典型的初创公司舞步 - 您必须找到将公司推向成功的途径，然后再扩大。作为一家企业，我们专注于这些一流客户，以便他们可以帮助助推公司的发展。”
