У этого проекта есть несколько технологических и деловых составляющих, и на данном этапе мы продвигаемся сразу по многим направлениям.
Во-первых, мы занимаемся улучшением алгоритмики и постоянно отлаживаем нашу технологию. В том числе, от одной известной американской компании мы получили ценный набор индустриальных моделей, который служит нам базой для улучшения алгоритмов. Кроме того, мы расширяем список поддерживаемых форматов данных, увеличиваем полезность выходных данных, предоставляемых пользователю.
Во-вторых, мы интенсивно ведем работы по реализации параллельной версии нашей технологии. Сравнение геометрических моделей — весьма нетривиальная задача из области геометрического моделирования, и для получения наилучших результатов необходимо использовать все возможности, которые предоставляет современная аппаратура.
В-третьих, мы договорились об интеграции нашей технологии сравнения с облачной PDM-системой компании DEXMA и развернули активное сотрудничество с командой DEXMA. С одной стороны, с самого начала было объявлено, что проект LGC ориентируется на облачное применение. С другой стороны, область PDM — одна из естественных сфер применения нашего нового решения. Таким образом, сотрудничество с DEXMA позволяет нам отработать в промышленном варианте сразу два направления развития этого проекта.
В-четвёртых, мы договорились с C3D Labs об интеграции нашей технологии с ядром C3D. ЛЕДАС является реселером этого ядра, и мы уже имели возможность убедиться в том, что это — высококачественный продукт, хорошо оттестированный несколькими поколениями пользователей КОМПАС. С другой стороны, интеграция с LGC позволит получить опыт использования C3D на задачах другого класса, не характерных для КОМПАСа, тем самым повышая статус C3D в качестве «general purpose» (общеприменимого) геометрического ядра.
Кроме того, привлекательной является политика компании C3D Labs в отношении разработчиков продуктов на базе C3D, особенно в случаях, когда продукт еще не вышел в коммерческий оборот. Зарубежные производители геометрических ядер придерживаются более жестких схем взаимодействия.
Функционал сравнения геометрических моделей, с моей точки зрения, является базовым для PDM систем, и, во всяком случае — их важным рыночным преимуществом. Основные понятия менеджмента данных PDM, такие как ревизии, тесно связаны с задачей сравнения геометрических данных.
Облачный тренд в САПР и инженерном софте развивается, пожалуй, несколько медленнее, чем в других софтверных областях, однако он никуда не исчезает. Мне кажется, что скорость его распространения снижается просто за счет сложности нашей отрасли и больших объемов уже написанного кода, от использования которого не так легко уйти. Впрочем, если судить по обсуждениям в СМИ и блогах, то с облачностью в САПР давно все в порядке.
Сначала мы разработали многопоточную версию нашего кода и получили результаты, говорящие о высокой степени эффективности параллелизации. Для моделей средней и высокой сложности (с сотнями и более граней) экспериментально рассчитанный коэффициент ускорения для типичных четырехядерных систем оказался близок к идеальному. С теоретической точки зрения, доля времени исполнения кода, нуждающегося в последовательном вычислении, составляет единичные проценты и уменьшается с ростом размера моделей до долей процента.
Если сравнивать производительность наших алгоритмов c наиболее известными аналогами, такими, как сравнение тел в SolidWorks, то мы опережаем конкурентов в десятки раз и более даже без использования кластеров, на одном компьютере.
Сейчас мы разрабатываем распределенную версию нашей технологии, способную работать на кластерах и облачных мощностях. Несмотря на появление дополнительных накладных расходов, связанных с пересылкой данных между вычислительными узлами распределенной системы, коэффициент ускорения лишь незначительно меньше, чем в случае многопоточных вычислений над общей памятью. Наши алгоритмы хорошо масштабируются — то есть отсутствует эффект исчезновения прироста производительности от добавления новых узлов, что характерно для многих алгоритмов вычислительной геометрии.
В области воксельного моделирования, которое в статье Николая рассматривается как революционный путь развития 3D ядер, построены весьма обещающие модели и новые подходы. Скажу так: мы сделали пару шагов дальше по той тропинке, которая ведет от наивного воксельного моделирования трехмерным массивом данных через более емкое октантное дерево прямиком в светлое воксельное будущее.
Совсем недавно мы получили несколько приятных отзывов на эту статью, в том числе, от представителей известных мировых брендов, требования которых к геометрическим ядрам существенно не удовлетворяются всеми современными ядрами-лидерами. Нам удалось косвенно, но достаточно достоверно еще раз убедиться в том, что RGK по показателям производительности не уступает лидерам мирового рынка, причем имеет более высокие коэффициенты прироста производительности от количества процессоров.
Все наши сервисные проекты выполняются в самом ЛЕДАСе, и полностью соответствуют высоким стандартам организации и ведения индустриальных проектов, заложенных в нашей компании еще во времена масштабного сотрудничества с Dassault Systemes.
Вообще, приятно, что с некоторых пор возможности ЛЕДАСа как сервисной компании, специализирующейся на наукоёмких (нередко — уникальных) технологиях и компетенциях, востребованы не только зарубежными, но и отечественными компаниями. Активное участие ЛЕДАСа в проекте RGK и укрепившиеся в ходе этого проекта наши давние контакты с компанией Топ Системы, разработавшей одну из самых технологически продвинутых отечественных САПР, — ещё один пример далеко не исчерпанного сотрудничества. Наверняка, такое сотрудничество могло бы установиться и с другими российскими компаниями. Пока, как мне кажется, наши компании сильно недооценивают возможности ускорения собственного развития, которое обеспечивается, во-первых, постановкой подлинно амбициозных задач и, во-вторых, правильно реализованным разделением труда, уже давно практикуемым всеми серьезными игроками мирового рынка.
Сейчас наши новые идеи, такие как LEDAS Geometry Comparison, мы доводим до состояния готовых технологий, и затем можем предложить рынку в виде конечно-пользовательских продуктов или компонент. Мы будем рады найти стратегического партнера в лице компании-поставщика ПО для вывода разработанных в ЛЕДАС Лабс технологий на рынок, так как видим свою миссию именно в разработке интеллектуальных технологий, которые можно легко встроить в новые или существующие продукты.