رونمایی از Orbital 2.0؛ مدل هوش مصنوعی مبتنی بر فیزیک برای مدیریت و بهینهسازی پالایشگاهها
استارتاپ Applied Computing در رویداد ADIPEC از نسل دوم پلتفرم Orbital رونمایی کرد. این سامانه با تکیه بر مدل جهانشناختی انرژی و درک مبانی فیزیکی، روابط علت و معلولی درون تجهیزات صنعتی را شبیهسازی میکند. مدلهای اختصاصی Orbital بهشکل کاملاً محلی روی زیرساخت خود شرکتها اجرا میشوند و هیچ دادهای از محیط عملیاتی خارج نمیشود.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- پلتفرم صنعتی Orbital 2.0 با استفاده از مدل جهانشناختی انرژی میتواند بهجای تکیه بر همبستگیهای آماری ساده، روابط علت و معلولی حاکم بر جریان ماده و حرارت در کارخانهها را بهدرستی تحلیل کند.
- تمام مدلها بهشکل اختصاصی درون زیرساخت امن هر مشتری اجرا میشوند تا دادههای حساس صنعتی و وزنهای محاسباتی به هیچ عنوان از محیط عملیاتی خارج نشوند.
- مهندسان تأسیسات میتوانند با تکیه بر قابلیتهای این سامانه، داشبوردهای زنده داده بسازند و فرایندهای تکراری مانند گزارشهای نوبت کاری را به اپلیکیشنهای خودکار تبدیل کنند.
معرفی پلتفرم
سامانه Orbital 2.0، نسل تازه پلتفرم شرکت Applied Computing، در جریان رویداد ADIPEC در تاریخ ۳ نوامبر ۲۰۲۶ (۱۳ آبان ۱۴۰۵) معرفی شد. در حالی که نسخه اولیه Orbital الگوهای داده را فقط برای وظایف ثابت و مشخص یاد میگرفت، ساختار نسخه جدید بر پایه یک مدل جهانشناختی انرژی (Energy World Model) بازطراحی شده است؛ یک گراف دانش از تعاملات فیزیکی تأسیسات که شیوه انتقال جرم و گرما در تجهیزات را فرامیگیرد تا سیستم بتواند علاوه بر شناسایی همبستگیهای آماری، روابط علت و معلولی را نیز برای مهندسان توضیح دهد.
مدل اختصاصی هر مشتری درون زیرساخت اختصاصی همان شرکت اجرا میشود و ارتقا مییابدبنابراین دادهها و وزنهای آموزشدیده مدل به هیچ عنوان از محیط مشتری خارج نمیشوند. این رونمایی پس از جذب سرمایه ۲۰ میلیون دلاری در مرحله سری A در ژوئیه ۲۰۲۶ به رهبری شرکت KBR و مشارکت شاخه سرمایهگذاری Databricks انجام میگیرد. پلتفرم Orbital هماکنون در پالایشگاههای بزرگ و همچنین از طریق سامانه KBR INSITE در واحدهای تولید آمونیاک و الفین مورد استفاده قرار دارد.
ویژگیهای جدید نسخه دوم
- طراحی آنی داشبوردها: مهندسان میتوانند داشبوردهای زنده دادههای کارخانه را بر اساس توصیفات متنی خود یا پیشنهادهای خودکار سیستم بسازند.
- برنامههای خودگردان: فرایندهای تکراری مانند تنظیم گزارشهای پایان نوبت کاری یا محاسبه موازنه جرم و حرارت به برنامههای نرمافزاری کاملاً خودکار تبدیل میشوند.
- یادگیری و بهبود مستمر: بازخوردهای حاصل از کاربردهای روزمره باعث بهروزرسانی مدل میشود تا وابستگی به پژوهشگران شرکت توسعهدهنده به حداقل برسد.
جایگاه تخصصی در صنعت
این سامانه برای بهینهسازی بلادرنگ و ریشهیابی ناهنجاریها در صنایع پالایشگاهی، پتروشیمی، تأسیسات گاز طبیعی مایع (LNG) و شبکههای انرژی طراحی شده است و بر پایه قوانین فیزیک کار میکند؛ از این رو ابزاری کاملاً مهندسی و سفارشیسازیشده محسوب میشود و ماهیتی متفاوت با چتباتهای عمومی اداری دارد.
مخاطبان و موارد کاربرد
- اپراتورهای بخش انرژی، شرکتهای مهندسی، تدارکات و ساخت (EPC) و شرکای تجاری صنعتی نظیر KBR که میخواهند مهندسان خط مقدم آنها بتوانند ابزارهای هوش مصنوعی را شخصاً توسعه دهند.
- تیمها و سازمانهایی که به استقرار محلی و حفظ کامل حاکمیت دادهها در داخل تأسیسات خود نیاز دارند.
مراحل آغاز به کار
- مطالعه بیانیه رسمی در اتاق خبر و گزارش روابط عمومی پروژه.
- هماهنگی برای دریافت گزارش توجیهی فنی و شناسایی رابطهای سیستمهای کنترل توزیعشده (DCS) و پایگاههای داده تاریخی فرایند.
- اجرای آزمایشی پروژه روی یک واحد منفرد مانند ارزیابی موازنه فرایند یا تهیه گزارش شیفت، پیش از فعالسازی چرخه بهینهسازی کامل.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

گوگل به مدارس اجازه غیرفعالسازی هوش مصنوعی را میدهد، اما به قیمت قطع دسترسی به موتور جستجو
گوگل اعلام کرد مدارس از سال آینده میتوانند ابزارهای هوش مصنوعی را برای دانشآموزان غیرفعال کنند، اما این تصمیم به بهای از دست رفتن دسترسی به موتور جستجو تمام خواهد شد. از آنجا که قابلیتهای هوش مصنوعی با ساختار موتور جستجوی گوگل ادغام شدهاند، غیرفعالسازی کامل آنها استفاده از جستجوگر این شرکت را در کلاسهای درس ناممکن میکند.

ادعای تازه OpenAI درباره حل یک معمای ریاضی ۸۰ ساله؛ پیشرفت واقعی یا جنجال تبلیغاتی؟
شرکت OpenAI ادعا کرده یکی از مدلهای استدلال هوش مصنوعی این شرکت توانسته فرضیات ۸۰ ساله پیرامون یک معمای دشوار ریاضی را رد کند. با این حال، کارشناسان معتقدند پیش از تأیید کامل توسط ریاضیدانان، باید با دیده تردید به این ادعاها نگریست و مرز میان پیشرفت علمی واقعی و تبلیغات تجاری را شناخت.

کاهش حجم مدل هوش مصنوعی MiniMax H3 به ۸٫۹ گیگابایت، اجرای محلی آن را روی گرافیکهای خانگی ممکن کرد
توسعهدهندگان با انتشار نسخههای بهینهشده مدل ویدیوساز MiniMax H3 در قالب فرمت GGUF، حجم این سامانه ۲۶ میلیارد پارامتری را تا ۸٫۹ گیگابایت کاهش دادند. این بهینهسازی امکان اجرای مستقیم و روان مدل را روی کارتهای گرافیک معمولی و بدون نیاز به سرویسهای ابری فراهم میکند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.