Neural Concept SA erhält siebenstelliges Investment von Constantia New Business und HTGF

By on Mai 22, 2019

Verfahren der Künstlichen Intelligenz (KI) wie Deep Learning haben die Verarbeitung von Bildern, Geräuschen und natürlicher Sprache revolutioniert. Softwarelösungen für Computer-Aided Design (CAD) zur Entwicklung technischer Produkte basieren jedoch immer noch auf traditionellen Technologien. Neural Concept Shape ist die erste Deep-Learning-basierte Software, die speziell für das Thema Computer Assisted Engineering and Design entwickelt wurde. Die cloud-basierte Simulationssoftware ermöglicht es Kunden, Entwicklungszyklen zu verkürzen, die Produktleistung zu verbessern und die Rechenkosten zu senken.

Die Marktchance
Jeder Ingenieur ist bestrebt, ein Produkt zu entwerfen, das spezifische Anforderungen erfüllt und ein definiertes Ziel mit einem Höchstmaß an Leistung erreicht. Der heutige Standardansatz in Branchen wie Automotive, Luft- und Raumfahrt, Robotik oder Energie besteht darin, mit CAD-basierter Simulationssoftware, z.B. Computational Fluid Dynamics (CFD), die Leistung neuer Konstruktionen und Designs zu analysieren. Da diese Berechnungen jedoch sehr zeitaufwendig sind, können nur wenige Möglichkeiten in einem potenziell sehr großen Lösungsraum untersucht werden.

Das Produkt Neural Concept Shape des Start-ups ist in der Lage, Simulationen von Tagen auf Minuten oder Sekunden zu beschleunigen und automatisch optimale Lösungen unter genau definierten Kriterien und Einschränkungen zu finden. Die Lösung ermöglicht es Ingenieuren, sich auf ihre Kernaufgaben zu konzentrieren und reduziert somit Zeitverluste. Gleichzeitig können neue Designs gefunden werden, die bisher undenkbar waren.

Die Technologie
Neural Concept hat das erste Deep-Learning-System entwickelt, das 3D-Formen versteht und Simulationsergebnisse prognostiziert. Der technologische Kern liegt in einer proprietären Technologie, die es Ingenieuren ermöglicht, dreidimensionale Neuronale Netze effizient mit CAD- und Simulationsdaten zu trainieren.

Numerische Optimierungsmethoden, die in früheren kommerziellen Lösungen implementiert wurden, leiden unter vielen Nachteilen, wie z.B. der benutzerdefinierten Parametrisierung. Die von Neural Concept entwickelte neue Methode arbeitet direkt mit Rohdaten der Mesh-Darstellung des Designs und lässt sich daher problemlos in bestehende Workflows integrieren.

Über Neural Concept
Neural Concept wurde im Frühjahr 2018 gegründet. Das Start-up ist ein Spin-off aus dem Computer Vision Labor der EPFL, wo das Gründungsteam die grundlegende Technologie entwickelt hat. Das Unternehmen wurde auch durch das Förderprogramm Venture Kick unterstützt.

CEO Pierre Baqué promovierte in Artificial Intelligence an der EPFL (Lausanne) und hat sein Studium an der Ecole Polytechnique (Paris) abgeschlossen. Zuvor war er Mitautor einer führenden Optimierungssoftware im Seilbahnbau (CarmenV2) und entwickelte KI-basierte Trading-Tools für Credit-Suisse.

CTO Timur Bagautdinov hat ebenfalls einen PhD in Artificial Intelligence der EPFL. Er arbeitete als KI-Forscher und Entwickler für Facebook und Yandex an Machine Learning und Virtual Reality-Anwendungen.

Prof. Pascal Fua, Leiter des EPFL Computer Vision Lab (CVLab), und Dr. François Fleuret, Leiter der Machine Learning Group am Forschungsinstitut IDIAP und Deep Learning Dozent an der EPFL, sind ebenfalls Gründungsmitglieder von Neural Concept.

(Quelle)


Mehr Informationen zu dieser und vielen anderen Transaktionen erhalten Sie HIER


Über 25.000 recherchierte Transaktionen seit 2005 - Legen Sie sich Ihre eigene Datenbank zu!


You must be logged in to post a comment Login