A Rolls-Royce testemunhou o poder transformador do Plataforma de inteligência de dados Databricks em vários projetos de IA. Um exemplo é uma colaboração entre a Rolls-Royce e a Databricks, focada na otimização dos processos de treinamento da Rede Adversarial Generativa Condicional (GCN), que demonstra os inúmeros benefícios do uso Mosaico de IA do Databricks ferramentas.
Para este projeto conjunto de otimização de treinamento cGAN, a equipe considerou o uso de dados numéricos, de texto e de imagem. O objetivo principal period aprimorar as capacidades de exploração do espaço de design da Rolls-Royce e superar as limitações dos modelos paramétricos. Isso foi alcançado ao permitir a avaliação de conceitos de design inovadores por meio de uma abordagem de modelagem de geometria de forma livre.
Assista ao vídeo: como a Rolls-Royce usa o GenAI baseado em nuvem para dar suporte ao projeto de engenharia preliminar
A equipe conjunta da Databricks e da Rolls-Royce investigou as melhores práticas para configuração de modelo, incluindo a consideração dos limites de dimensionalidade. A abordagem incluiu incorporar conhecimento de soluções malsucedidas no conjunto de dados de treinamento para ajudar a rede neural a evitar certas áreas e encontrar soluções mais rapidamente. Outro aspecto do projeto foi lidar com restrições multiobjetivo no processo de design, neste projeto estávamos trabalhando com vários requisitos que estavam potencialmente em conflito: por exemplo, estávamos tentando reduzir o peso do modelo enquanto também tentávamos aumentar sua eficiência. O objetivo period produzir uma solução que fosse amplamente otimizada, não apenas ótima para uma faceta específica do design.
A arquitetura conceitual do projeto cGAN está abaixo.
Descrição da arquitetura conceitual:
- Modelagem de dados: As tabelas de dados são configuradas para garantir que sejam otimizadas para o caso de uso específico. Isso envolve gerar colunas de identidade, definir propriedades de tabela e gerenciar tuplas exclusivas.
- Treinamento de modelo 3D: os modelos 3D são treinados usando nosso conjunto de dados. Isso envolve incorporar conhecimento de soluções malsucedidas para ajudar a rede neural a evitar certas áreas e encontrar soluções mais rapidamente.
- Implementação: Depois de desenvolvermos e otimizarmos modelos e algoritmos, nós os implementaríamos no processo de design do produto
- Otimização: Com base nos resultados atuais, planejamos otimizar continuamente os modelos e algoritmos ajustando parâmetros, refinando o conjunto de dados e, finalmente, mudando a abordagem para lidar com restrições multiobjetivo.
- Próximos passos: Seguindo em frente, planejamos construir mecanismos para lidar com Restrições Multiobjetivas. Precisamos lidar com vários requisitos que podem entrar em conflito uns com os outros. Isso envolverá o desenvolvimento de um algoritmo ou método para equilibrar esses objetivos conflitantes e chegar a uma solução ótima.
Houve muitos benefícios para a Rolls-Royce ao alavancar a Plataforma de Inteligência de Dados Databricks e as ferramentas de IA Databricks Mosaic para este projeto:
- Custo whole de propriedade (TCO): A Databricks fornece uma plataforma Lakehouse unificada que acelera a inovação enquanto reduz significativamente os custos. À medida que as necessidades de dados crescem exponencialmente, a Databricks é uma solução econômica para processamento de dados. Isso é particularmente benéfico para projetos de larga escala em empresas como a Rolls-Royce.
- Tempo de modelagem mais rápido: As ferramentas de IA do Mosaic do Databricks reduzem a complexidade do treinamento e da implantação do modelo, permitindo um tempo de modelagem mais rápido. Isso é obtido por meio de recursos como AutoML e MLflow gerenciado que automatizam o desenvolvimento de ML e gerenciam o ciclo de vida completo dos modelos de ML.
- Da experimentação à implantação: O Databricks fornece uma transição perfeita da experimentação para a implantação. Isso é essential, pois passar de experimentos para implantações de produção pode ser desafiador.
- Melhoria da precisão do modelo: O uso do Databricks resultou em uma redução significativa no tempo de execução, aproximadamente por um fator de 30, alcançada por meio de computação distribuída para ajuste de hiperparâmetros paralelos. Isso não apenas acelera o processo, mas também melhora a precisão dos modelos.
- Benefícios do gerenciamento/governança de dados: A Databricks Knowledge Intelligence Platform fornece controle completo sobre os modelos e os dados. Esse nível de controle é essential para setores centrados em conformidade, como o aeroespacial. A implementação do Unity Catalog estabelece uma estrutura de governança essential, fornecendo uma visão unificada de todos os ativos de dados e facilitando o gerenciamento e o controle do acesso a dados confidenciais.
- Insights obtidos a partir dos modelos: A integração do MLflow no Databricks garante transparência e reprodutibilidade, fatores-chave em qualquer projeto de IA. Ele permite rastreamento eficiente de experimentos, compartilhamento de resultados e ajuste de modelo colaborativo. Esses insights são inestimáveis para impulsionar a inovação empresarial e aumentar a produtividade.
Concluindo, a Databricks fornece uma plataforma robusta, eficiente e segura para implementar projetos de genAI de imagem. A colaboração entre a Rolls-Royce e a Databricks demonstrou o poder transformador dessa nova tecnologia. O trabalho futuro incluirá explorar a transição de modelos 2D para modelos 3D, dada a natureza tridimensional dos motores.