FINAL — Занятие 2 МАИ: CAE и среда испытаний (B2)

Generated: 2026-06-27 (Variant C, Phase 5) Дидактическая ось МАИ: B2 (среда испытаний) Связанные оси: A2-A4, C2-C3, D1,D2,D3,D12 Источники: L2_CAE pulls (17 кейсов), FINAL_typology_8_types.md T4, FINAL_anti_analog_registry.md.

Цель занятия

Студенты должны увидеть CAE как среду — не калькулятор, не симулятор-однократник, а управляемый verification loop, в котором AI добавляет guidance/parameter exploration, но не подменяет физических ограничений. Главный вопрос: где AI ошибается в параметризации или verification loop, и как студент строит human-in-the-loop protocol?

Структура занятия (90 мин)

Базовые кейсы для разбора (6)

1. ai-university-fem-course — AI-University для FEM (INT) — C4-candidate

• A3 / B2-B5 / C4 / D1,D7,D11,D12
• Fine-tuned LLM + RAG поверх корпуса курса с traceability. Студент работает внутри среды, созданной курсом, не с помощником.
• Что разбираем: как RAG-traceability превращает курс в среду. Где грань между T1 (RAG-tutor) и T4 (CAE)?

2. nmc2025-quantum-materials-calculator — NMC2025 (INT) — C4-candidate

• A3-A5 / B2-B5 / C4 / D1,D2,D7,D12
• AI tutor + automated simulation workflow для authentic student inquiry в advanced materials modeling. Research-class environment.
• Что разбираем: как simulation backbone + AI guidance вместе образуют исследовательскую среду.

3. circuit-smart-tutor-azure — LLM-Enhanced Smart Tutor для Circuit Analysis (US)

• A3 / B2-B4 / C2 / D1,D3,D11,D12
• Azure-based smart tutor поверх circuit-analysis. Конкретная аккуратная реализация T1+T4 пересечения.
• Что разбираем: domain-bounded tutor — что входит в контекст, что нет.

4. bim-rule-checking-course — Generative AI Rule Checking в BIM Education (US)

• A3 / B2-B4 / C2 / D2,D3,D10,D12
• BIM compliance как regulatory CAE. AI проверяет rule conformance, инженер интерпретирует.
• Что разбираем: что AI делает хорошо в rule checking, что плохо. Где fallback?

5. abb-nvidia-robot-training — ABB+Nvidia Industrial Robot Training (CH)

• A2-A4 / B2-B3 / C2-C3 / D1,D3,D12
• Robot training с Omniverse-based simulation. Industrial CAE-grade environment.
• Что разбираем: как simulation backbone + AI policy fit together. Стенд = среда.

6. digital-twins-newcastle-msc-phd — Digital Twins MSc/PhD (Newcastle + Aarhus)

• A3 / B2-B4 / C2 / D2,D3,D7
• Magisterskaya программа с digital twin acoustics. Прямой пример B2 institution-grade.
• Что разбираем: digital twin как verification scaffold. Что добавляет LLM поверх существующего DT-стека?

Adjacent кейсы (4)

• end-to-end-circuit-problem-solver (INT) — circuit problem-solver, T4 + agent-like
• aimhack-materials-science (INT) — hackathon framework, разбирать как T4 boundary
• wara-robotics-mobile-manipulation-challenge (SE) — robotics challenge
• ai-powered-materials-discovery-framework (INT) — A3 / D1,D2 / materials discovery

Failure modes для разбора

lazy-students-dream-control-systems

• Anti-analog / failure_mode: ChatGPT проходит инженерный курс без участия студента.
• Студенческое задание: где CAE environment должна была уловить эту имитацию? Какие checkpoints отсутствовали?

circuit-homework-benchmarking

• Тест: LLM в роли grader, но parametrization brittle.
• Студенческое задание: какой класс ошибок NLP-grader даёт в circuit problems? Где fallback к человеку?

siemens-xcelerator-ai-tutors

• CAO_washing borderline: «AI tutors» внутри Siemens academy — нет публичной evidence regulatory loop.
• Студенческое задание: какие artefacts нужны, чтобы подтвердить regulatory loop? Какие отсутствуют?

Студенческие задания

Задание 1 — Human-in-the-loop protocol (главное)

Дано: CAE-кейс на выбор студента (FreeFEM, OpenFOAM, Ansys, KiCad). Задача: написать HIL protocol — на каких шагах человек обязан проверять; что именно проверять; критерии fallback к manual. Оценка: protocol (1-2 страницы) + критика от соседа.

Задание 2 — Failure-mode catalogue

Дано: список AI ошибок в CAE (нумерические; parametrization; out-of-distribution). Задача: каталог из 5+ failure modes с минимальным test case для каждого. Оценка: каталог + воспроизводимость на ChatGPT/Claude.

Задание 3 — Traceability в FEM

Дано: AI-University FEM case study. Задача: реконструировать traceability graph — какое утверждение AI откуда происходит (RAG retrieval) и какие constraints на верификацию. Оценка: граф + 1 страница описания.

Задание 4 — C2 vs C4 boundary

Дано: 4 кейса (ai-university-fem-course; circuit-smart-tutor-azure; nmc2025; siemens-xcelerator). Задача: ответить, какой из них реально среда (C4), какой — partner (C2), почему. Оценка: 4 вердикта + обоснование на основе T-типа.

Что НЕ должно входить

• Generic CAE training без AI — это другой курс
• AI for materials discovery как research overview — это L5 территория (D9)
• Длинные доменные погружения в Ansys/OpenFOAM — отвлечение

Связь с другими занятиями

• L1 (CAD) — kicad-llm-plugin как B1 → B2 переход
• L3 (CAO) — bim-rule-checking как B2/B3 boundary
• L4 (Orchestration) — multi-agent simulation (build-ai-assistants-biomechanics)
• L5 (Hybridity) — nmc2025 как C4 candidate

Метрики занятия

• Каждый студент пишет workable HIL protocol с ≥3 fallback triggers
• Различение C2/C4 в групповом обсуждении достигается на основе T-типа, не интуиции
• Failure-mode catalogue воспроизводим на студенческой среде