Команда ПИШ СПбПУ представила проект по разработке модуля интеллектуального проектирования на основе технологий ROM-моделирования и больших языковых моделей на базе Цифровой платформы CML-Bench® в рамках технологического семинара в Сколтехе

Старший научный сотрудник Учебной научно-исследовательской лаборатории «Вычислительная механика» Передовой инженерной школы Санкт-Петербургского политехнического университета Петра Великого «Цифровой инжиниринг» (ПИШ СПбПУ), доцент Высшей школы механики и процессов управления Физико-механического института СПбПУ Алексей Новокшенов и лаборант Инжинирингового центра (CompMechLab^®) ПИШ СПбПУ Кирилл Бобин представили на ежегодном научно-технологическом семинаре Сколковского института науки и технологий «Генеративное проектирование. Генеративный дизайн в промышленном проектировании» опыт и разработки школы в области разработки цифровых двойников и применения технологий инженерного искусственного интеллекта (ИИИ).

Цель семинара «Генеративное проектирование. Генеративный дизайн в промышленном проектировании» – ознакомление научного сообщества с практическим опытом разных отраслей по применению технологии генеративного проектирования для решения задач промышленного инжиниринга. В мероприятии приняли участие представители аэрокосмической, нефтегазовой, горнодобывающей и строительной отраслей, разработчики систем автоматизации проектирования и компьютерного инжиниринга (CAD, CAE), а также эксперты ведущих научно-образовательных организаций.

Основными темами семинара стали:

• системы ИИ для создания технических и проектных решений;
• технологии генеративного ИИ в CAD-системах;
• LLM для решения инженерных задач, извлечения знаний из НТД, технических справочников и ранее реализованных проектов;
• системы управления требованиями для проектирования объектов;
• онтологические модели для решения инженерных задач;
• проблемы инструментов интеллектуального проектирования:
• ИИ для технологического суверенитета российского ТЭК.

Старший научный сотрудник Учебной научно-исследовательской лаборатории «Вычислительная механика» ПИШ СПбПУ, доцент Высшей школы механики и процессов управления Физико-механического института СПбПУ Алексей Новокшенов рассказал об интеграции решений в области инженерного ИИ (ИИИ) на Цифровую платформу по разработке применению цифровых двойников CML-Bench^®. Алексей Дмитриевич выступил с докладом и принял участие в дискуссии по видеоконференцсвязи.

Спикер, пояснил что Цифровая платформа CML-Bench^® представляет уникальную разработку инженеров СПбПУ, которая не имеет аналогов в России и мире. Она является передовым кросс-отраслевым платформенным решением, формирующим новую систему управления требованиями, изменениями, конфигурациями в процессе проектирования, математическими и компьютерными моделями, процессами их верификации и валидации, наконец, проектами, знаниями и компетенциями. Цифровая платформа CML-Bench^® выступает инновационным инструментом реализации совместных наукоемких проектов с индустриальными партнерами, а также служит современной средой для обучения высококвалифицированных инженерных кадров в ПИШ СПбПУ. Так, Цифровая платформа обеспечивает сохранение и капитализацию научно-технологического задела Экосистемы технологического развития СПбПУ.

Алексей Дмитриевич отдельно остановился на развитой архитектуре платформы, включающей интеграцию с 170 CAx-системами и модулями отечественного и зарубежного программного обеспечения, которая позволяет осуществлять мультидисциплинарное компьютерное моделирование и высокопроизводительные расчёты для решения широкого задач в интересах разных отраслей и обеспечивать кросс-отраслевой трансфер технологий. Напомним, что в июне 2025 года пакет программ инженерного анализа «ЛОГОС», развиваемый ФГУП «РФЯЦ-ВНИИЭФ» (входит в Госкорпорацию «Росатом», которая является стратегическим партнером СПбПУ), был успешно интегрирован на Цифровую платформу CML-Bench^®. Это усилило функциональные возможности применения обоих продуктов на рынке отечественного программного обеспечения для математического, компьютерного и суперкомпьютерного моделирования сложных изделий и физико-механических процессов.

Спикер подчеркнул, что, кроме того, возможности платформы были значительно расширены вследствие получения в ноябре 2024 года сертификата ФСТЭК по 6 уровню доверия, который позволяет обрабатывать информацию с режимами конфиденциальности «Коммерческая тайна» и «Для служебного пользования». Таким образом, Цифровая платформа CML-Bench^® обеспечивает безопасность и конфиденциальность работы с разными классами данных, что способствует увеличению проектного портфеля подразделений Экосистемы технологического развития СПбПУ, реализуемого в интересах ведущих высокотехнологичных компаний России. Также эта инициатива создала новые возможности для развития системы кооперации с предприятиями оборонно-промышленного комплекса (ОПК). В дополнение  отметим, что в рамках ПМЭФ-2025 СПбПУ и Банк ПСБ заключили соглашение о партнерстве в области развития и масштабирования технологии цифровых двойников для нужд ОПК и гражданских высокотехнологичных отраслей, обеспечивающее создание цепочек квалифицированных  заказчиков и квалифицированных исполнителей, разработчиков и производителей  высокотехнологичной продукции.

Алексей Новокшенов подробно остановился на основных положениях технологии цифровых двойников, представив определение терминов: «цифровой двойник», «цифровая модель», «многоуровневая матрица целевых показателей, требований и ресурсных ограничений», «цифровой (виртуальный) испытательный стенд», «цифровой (виртуальный) испытательный полигон», «цифровые (виртуальные) испытания». Докладчик подчеркнул, что дефиниции ключевых понятий технологии приведены в соответствии с национальным стандартом ГОСТ Р 57700.37–2021 «Компьютерные модели и моделирование. ЦИФРОВЫЕ ДВОЙНИКИ ИЗДЕЛИЙ. Общие положения». Специалисты СПбПУ и ФГУП «РФЯЦ-ВНИИЭФ» внесли значительный вклад в разработку этого первого в мире стандарта, описывающего создание цифровых двойников на всех этапах жизненного цикла изделия: «разработка», «производство» и «эксплуатация». Алексей Дмитриевич обратил внимание аудитории на то, что документ не имеет аналогов в России и был успешно утвержден в нашей стране приказом № 979-ст Росстандарта от 16 сентября 2021 года, введен в действие с 1 января 2022 года. А в ноябре 2024 года документ вышел на мировой уровень, войдя в перечень взаимно признаваемых стандартов в сфере авиастроения между Китайской Народной Республикой и Российской Федерацией.

• «Цифровой двойник – система, состоящая из цифровой модели, которая включает в себя семейство компьютерных и математических, высокоадекватных моделей, изделие и двусторонние информационные связи между ними. Также она включает многоуровневую матрицу требований, целевых показателей и ресурсных ограничений.
• Что такое многоуровневая матрица требований? К примеру, когда говорим о газотурбинном двигателе, то в первую очередь мы формируем требования к изделию, начиная с верхнего уровня. Это мощность, расход, масса и габариты, технологичность, ресурс, надежность, экологичность. Далее мы переходим отдельно на уровень мощности, который складывается из мощности турбины, вентилятора, компрессора, редуктора. Каждая из этих частей включает свои модели в области газодинамики, теплопроводности, прочности и др. Таким образом, мы декомпозируем верхний уровень требований на целевые показатели более низкого уровня. Наша задача при проектировании изделия состоит в том, чтобы удовлетворить всем требованиям, большинству целевых показателей и, конечно же, учесть ресурсные ограничения, в первую очередь, временнЫе, финансовые, технологические и производственные. Если речь идет о газотурбинном двигателе или другом сложном высокотехнологичном изделии, то количество элементов матрицы может достигать нескольких тысяч и / или десятков тысяч.
• Если представить образно, то в процессе разработки изделия нам необходимо собрать кубик Рубика, то есть сбалансировать все элементы матрицы – выполнить требования, варьируя разные варианты путем применения обобщенного генеративного проектирования на основе проведения многочисленных цифровых испытаний на цифровых (виртуальных) испытательных стендах и полигонах. Так рождается некоторое дерево проектирования, где есть тупиковые ветки и ветки, которые приводят нас в итоге к желаемому изделию. Вот, где в этом творческом процессе, процессе проектирования, мы видим применение эффективное применение технологий искусственного интеллекта»,
  – заключил Алексей Дмитриевич.

Переходя к развиваемым командой ПИШ СПбПУ решениям в области искусственного интеллекта на Цифровой платформе CML-Bench^®, Алексей Новокшенов отметил, что инициатива  представляет один из этапов проекта ключевого научно-технологического направления развития  СПбПУ «Системный  цифровой инжиниринг» (КНТН-1) по созданию отраслевых технологий системного цифрового инжиниринга на базе данной платформы (руководитель проекта – начальник отдела перспективных разработок в двигателестроении ПИШ СПбПУ Александр Себелев).  

Напомним, что реализация всех проектов КНТН-1 «Системный цифровой инжиниринг» осуществляется под научным и методическим руководством главного конструктора направления, директора ПИШ СПбПУ Алексея Боровкова с целью исполнения Стратегии и Программы развития СПбПУ в рамках программы поддержки высших учебных заведений «Приоритет-2030». В соответствии с программой «Приоритет-2030» главный вектор развития ключевых научно-технологических направлений СПбПУ – достижение технологического лидерства.

Алексей Новокшенов пояснил участникам семинара, что в соответствии с Распоряжением Правительства Российской Федерации от 20 мая 2023 года № 1315-р термин «технологическое лидерство» трактуется как «превосходство технологий и / или продуктов по основным параметрам (функциональным, техническим и стоимостным) над зарубежными аналогами».

«Проект направлен на создание и внедрение новых наукоемких многодисциплинарных цифровых и платформенных технологий для отраслей атомного, нефтегазового и энергетического машиностроения, обеспечивающих высокий уровень отечественных разработок по сравнению с зарубежными аналогами на основе системного цифрового инжиниринга, технологий разработки и применения цифровых двойников с доведением разрабатываемых технологий до уровня готовности технологий (УГТ) 6 и выше.

Реализация на базе Цифровой платформы CML-Bench^® программной подсистемы CML-Bench^® AI Assistant для интеллектуального проектирования на основе технологий ROM-моделирования и больших языковых моделей (LLM) обеспечит переход от традиционного проектирования, состоящего в “доводке изделий до требуемых характеристик с помощью большого объема натурных испытаний”, к проектированию на основе математического и компьютерного моделирования, технологии цифровых испытаний и цифровых двойников высокотехнологичных изделий, что позволит значительно сократить трудозатраты, себестоимость разработки, а также время сертификации и вывода глобально конкурентоспособной высокотехнологичной продукции на рынок»,
– пояснил главный конструктор по ключевому научно-технологическому направлению развития СПбПУ «Системный цифровой инжиниринг», директор ПИШ СПбПУ Алексей Боровков.

В продолжение выступления Алексей Новокшенов разъяснил, что на стадии проектирования искусственный интеллект необходим для ускорения мультидисциплинарных расчетов с применением редуцированных ROМ-моделей, помощи инженерам в принятии решений на основе накопленных знаний (корпоративной базы знаний), интеграции языковых моделей с математическими моделями, а также балансировки многоуровневой матрицы целевых показателей, требований и ресурсных ограничений. На стадии эксплуатации ИИ используется для real-time моделирования изделия на основе данных с датчиков и прогнозирования его состояния.

• «Эти задачи мы реализуем в рамках разработанной программной подсистемы CML-Bench^® AI Assistant. Одна часть из них скоро появится в продукте. Другая часть пока находится в стратегической фазе. Я более подробно остановлюсь на пункте, связанном с ускорением расчетов и real-time моделированием. Здесь мы стремимся соответствовать мировым стандартам.
• В частности, месяц назад вышла новость о том, что облачная платформа Rescale инвестировала 119 миллионов долларов в разработку системы, которая позволяет инженерам загрузить расчетную модель, выполнить ряд расчетов и создать инструмент на базе методов машинного обучения, который позволит мгновенно получать результаты для того, чтобы можно было менять параметры моделей и быстро осуществлять процесс проектирования.
• Следовательно, эта разработка мирового лидера очень схожа с нашим проектом, который мы выполняем в рамках программы “Приоритет-2030”. Таким образом, мы разрабатываем для Цифровой платформы CML-Bench^® фактически тот же самый функционал, что и мировой лидер, но за меньшие деньги»,
  – отметил Алексей Дмитриевич.

В заключение спикер привел примеры применения ИИ в рамках научно-исследовательских и опытно-конструкторских работ, осуществляемых в интересах ведущих высокотехнологичных предприятий нашей страны. Модуль CML-Bench^® AI Assistant использовался для мониторинга в real-time режиме нестационарных тепловых полей в процессе эксплуатации печей остекловывания в ходе разработки цифровой модели печи остекловывания для ФГУП «ПО “Маяк”» (входит в Госкорпорацию «Росатом»). В итоге удалось ускорить проведение мультидисциплинарных расчетов с 6 часов до 5 миллисекунд, т.е. в 4 миллиона раз. 

Впечатляющие результаты модуль показал в прогнозировании герметичности фланцевого соединения. Специалисты ПИШ СПбПУ были привлечены к расследованию причин аварии на Амурском газоперерабатывающем заводе (Благовещенск) 5 января 2022 года. Алексей Новокшенов прокомментировал:

• «Полноценное моделирование напряженно-деформированного состояния фланцевого соединения предполагает достаточно ресурсоемкий нелинейный термопрочностной расчет с учетом контактных взаимодействий. Конечно, ключевую роль в расчетах играло переменное контактное давление во фланцевом соединении. Варьируя материал прокладки соединения и силу её прижатия, инженеры ПИШ СПбПУ построили математическую и компьютерную модель, которая позволяет в real-time режиме оценивать герметичность соединения и дает быстрый инструмент для проектирования. Таким образом можно обоснованно выбрать тот или иной материал прокладки и оценить, будет ли соединение герметичным. Герметичность в данном случае определяется по непрерывности контактного давления и его значения по всему контуру. Мы не только добились ускорения расчетов в 4 000+ раз, но и обеспечили их точность. Значение максимального отличия контактного давления не превышает 1.7% по сравнению с полномасштабными мультидисциплинарными расчетами».

Лаборант Инжинирингового центра (CompMechLab^®) ПИШ СПбПУ Кирилл Бобин рассказал о применении больших языковых моделей (LLM) в инженерной практике на примере работы с программной подсистемой CML-Bench^® AI Assistant. Спикер выделил такие проблемы LLM, как ограниченность знаний и склонность к воспроизведению ошибок.

В числе возможных решений Кирилл Александрович отметил применение технологии дообучения моделей (RAG, Retrieval Augmented Generation):

• «Перейдем к подходу RAG. Это один из методов работы с большими языковыми моделями, который позволяет давать языковой модели контекст, необходимый ей для ответа на вопрос. Так, например, пользователь задаёт вопрос, но языковая модель не сразу отвечает на него. Сначала запрос с помощью специальной нейронной сети отображается в векторном представлении. Далее в векторной базе данных с помощью метрик находятся наиболее релевантные документы, которые будут полезны для формирования ответа.
• Именно так происходит интеграция подхода RAG для помощи инженерам и упрощения их работы на Цифровой платформе CML-Bench^®. Не на все вопросы возможно найти очевидный и простой ответ в документации. Поэтому документация разделена на подразделы, формирующие одну базу данных, и благодаря этому языковой модели можно задавать вопросы, на которые она будет отвечать более корректно и, к тому же, быстрее работать с платформой.
• Далее эта идея получила развитие до формирования корпоративной базы знаний. В контексте работы с языковыми моделями проблема заключается в том, что зачастую данные в компаниях разрознены, и зачастую знание уходит вместе с человеком, который покидает компанию, в силу того, что именно этот специалист был носителем этих знаний. В итоге мы предлагаем масштабировать RAG-систему до множества баз данных, которые будут применяться для поиска релевантной информации и помощи в работе с накопленными и системно пополняемыми знаниями»,
  – заключил Кирилл Бобин.

Для работы с математическими моделями спикер предлагает использовать редуцированные модели (ROM), которые проще строить с вычислительной точки зрения и интерпретировать с помощью LLM. Для Цифровой платформы CML-Bench^® было разработано мультиагентное решение для автоматизированного построения ROM-моделей на основе полноценных конечно-элементных моделей.

В завершение выступления Кирилл Александрович привел практические примеры решения задач с помощью больших языковых моделей и редуцированных моделей. Спикер остановился на классической задаче о концентрации напряжений – по определению максимальных напряжений в пластине с эллиптическим отверстием и промышленной задаче – анализе температурного поля в печи остекловывания в процессе её работы.

Доклады представителей ПИШ СПбПУ вызвали интерес участников технологического семинара. Эксперты задавали вопросы о реализации программной подсистемы CML-Bench^® AI Assistant, включая её широкие возможности в части real-time моделирования, формирования больших языковых моделей и редуцированных моделей, а также интересовались дальнейшими планами развития Цифровой платформы CML-Bench^®.