Wellcome Sanger 研究所是一家领先的基因组发现中心，在管理其癌症基因组项目生成的大量数据方面面临着重大挑战。每个癌症样本在初步处理后都会产生大约 250GB 的数据，因此需要高效的数据存储解决方案。该团队需要使他们的癌症管道之一变得可移植，并针对云部署进行优化。大多数管道都是在本地计算机上编写和测试的，然后在具有共享存储的计算集群上并行运行。然而，集群上的 I/O 行为非常不同，如果没有全面的 I/O 分析工具，低效的 I/O 模式可能会对存储性能产生负面影响并阻碍其他工作流程。

该客户是一家在 60 多个国家/地区开展业务的全球银行，其用于管理交易执行的订单管理系统 (OMS) 面临着挑战。 OMS 提供了交易工作流程的一些可见性，但它缺乏显示汇总信息或在当前活动和历史交易数据之间进行实时比较的能力。它也不支持过滤，这对于交易者回答新产品供应对特定市场业务的影响等问题至关重要。 OMS 将多日未结订单和数据完成订单维持数周，以允许重新预订，但它没有存储和显示大量历史数据，而这些历史数据使交易者能够分析交易活动中的趋势和现货模式。

Hatch Ltd. 是一家为采矿、冶金、能源和基础设施行业提供工程、项目和施工管理服务的全球供应商，该公司签订合同升级现有选煤厂的输送机转运点。客户需要升级以适应计划的产量增加。输送机运载粗煤，上面有一层含水量较高的滤饼。现有的溜槽很容易出现这种“粘性”滤饼的材料堆积，在流量激增时经常发生堵塞，并导致代价高昂的停机。尽管输送机相对较小，速度为 1,200 吨/小时，但它对于确保卡车装载箱的稳定产品吞吐量至关重要。

风力发电技术的增长趋势是通过增加转子直径来提高功率输出。然而，随着转子直径的增加，气动弹性效应在高效叶片的设计中变得越来越重要。对流体弹性联轴器的详细了解可以改进设计，产生更多电力，减少维护，并最终总体降低电力成本。当前的风力涡轮机设计实践使用 FAST 和 ADAMS 等桌面工程工具来提供有关涡轮机气动弹性行为的信息。然而，这些技术都有其自身的优点和缺点。生成风力涡轮机转子性能数据的一种不断发展的方法是使用计算流体动力学 (CFD)。

在自行车比赛的竞争世界中，自行车的设计和空气动力学对于自行车手的表现起着至关重要的作用。制造商不断尝试不同的车架、车轮和轮胎材料和形状，努力减轻自行车的重量和空气阻力。然而，评估系统级的阻力并隔离组件级数百个设计变量的影响一直是一个挑战。风洞测试等传统方法价格昂贵，而且计算流体动力学 (CFD) 分析工作流程过于冗长而不实用。我们面临的挑战是开发一种高度自动化、可重复的工作流程方法，以加速整个 CFD 流程，并提供有关各种组件在自行车性能中所扮演的角色的新见解。

INESPASA 是一家专门从事航空航天和汽车领域的西班牙工程公司，在要求严格的市场中保持竞争力面临着重大挑战。该公司需要提供符合严格标准和法规的高质量、复杂的产品和组件，同时遵守紧迫的期限和有限的预算。一个主要挑战是航空结构的垂直整合，尽管经过精心开发，但在第一批飞机的生产过程中经常需要进行调整。开发和测试飞机部件原型的耗时且昂贵的过程构成了重大障碍。 INESPASA 需要找到更快、更有效的方法（例如多物理场仿真）来评估其航空结构设计，在潜在问题发生之前识别它们，并确保所实施的解决方案的可行性。

RF2B 的任务是为其客户 Menlo Micro（高性能 RF MEMS 开关集成电路开发商）开发适用于 3.5GHz 小型蜂窝公民宽带无线电服务 (CBRS) 基站的相控阵天线概念设计验证。面临的挑战是实现足够的方位角和仰角波束转向范围、足够的栅瓣抑制和更高的效率。这需要进行高级设计分析来确定天线阵列的列数和行数、元件类型、元件间距、角步长和幅度锥度。另一个挑战是设计的整体复杂性，需要高效的天线阵列仿真和包括馈电网络的设计方法。天线阵列还需要优化其机械环境，包括外壳和天线罩。

巴黎高等理工学院 (ÉTS) 阵风战队面临着为“小美洲杯”建造一艘高速、轻型双体船的挑战。级别规则规定双体船长度应小于25英尺，最大宽度为14英尺，航行面积小于300平方英尺。这为推动创新和使用最好的材料提供了一个具有挑战性的机会。这艘双体船的建造时间不到 18 个月。尽管水翼的表面积不到两平方英尺，但仍需要能够将整艘船及其两名船员升出水面。刚性翼帆中心的 30 英尺桅杆可承受近 4000 磅的压力，而重量不到 30 磅。

Inphi Corporation 是高速数据移动互连领域的领导者，在竞争激烈的半导体设计和电子设计自动化 (EDA) 行业中面临着挑战。该公司需要利用高性能计算 (HPC) 和高端设计软件来保持竞争优势。然而，这些工具通常很昂贵，因此最大限度地利用它们以确保设计和开发过程快速高效地运行至关重要。该公司需要在不增加团队规模的情况下，比竞争对手更快地将创新技术推向市场。 Inphi 是第一个向市场推出 64Gbaud 双通道线性 TIA 放大器、QSFP28 外形尺寸的硅光子 100G DWDM 平台以及 400G (4x100G PAM) Porrima™ 光学 DSP 平台的公司，了解 HPC 和EDA软件性能优化。

著名家电制造商惠而浦在扩大其印度设计中心的产能方面面临着重大挑战。该公司希望更多地致力于虚拟设计、测试和评估，但技术解决方案的高昂许可成本是一个主要阻碍。他们面临的挑战是找到一种经济高效的解决方案，使他们能够在不产生过高成本的情况下提高虚拟设计能力。这对于惠而浦保持市场竞争优势并继续向客户提供高品质电器至关重要。

在航天工业中，流动站原型的设计、建造和测试是一个昂贵且耗时的过程。系统测试通常要到设计/测试过程的后期才进行，从而导致开发时间较长。面临的挑战是在完整的流动站原型可用之前找到一种在模拟循环中测试组件的方法。这将为被测组件创建一个虚拟测试环境，欺骗它认为它正在完整的原型中运行。目标是在硬件组件可用时逐步将其添加到仿真循环中，即使没有所有硬件组件也可以进行系统测试，从而缩小设计和测试阶段之间的差距。

福特福克斯 STREET 协作团队面临着重大挑战：他们只有六周的时间来完成基于福特福克斯平台的特种车辆的设计。该项目是福特赛车、Altair Engineering、拜耳材料科技有限责任公司和 PPG Industries 之间的合作。设计必须独特且时尚，特别是在车辆腰线上方，这对于特种设备市场协会 (SEMA) 展会至关重要。该团队还必须克服物流方面的挑战，例如采购具有适当颜色的正确材料以及开发用于零件成型的廉价工具。 PPG 必须检查其 Solextra（一种具有独特外观的蓝色玻璃）原材料的库存，并调整其制造工艺来制造特种玻璃。他们还必须在紧迫的时间内为车辆的外部饰面配制并提供互补色。

HBPO GmbH 是一家由全球汽车零部件领导者组成的合资企业，专门为汽车制造商提供完整前端模块的开发、组装和物流。挑战在于这些模块的复杂性，需要大量组件，如前灯、散热器格栅、保险杠、前端支架以及车辆空调、发动机冷却和碰撞管理系统的组件。根据客户要求和预设规格，HBPO 涵盖组装、开发和系统集成项目。前端模块的开发和组装需要各种各样的仿真应用，例如结构分析、成型仿真、虚拟碰撞测试、材料数据管理等。需要许多不同的软件工具，其中一些很少使用。为了涵盖所有这些学科，对于 HBPO 来说至关重要的是保持尽可能低的开发成本并在需要时能够访问所需的工具。

RUAG Space 是航天工业领先的产品供应商，面临着将 Altair HyperWorks 强大的网格划分和后处理功能与 Altair ESAComp 软件提供的先进复合材料失效分析方法相结合的挑战。该公司需要通过显着减少数据流中不必要的中断来简化和加速复合结构的分析。面临的挑战是在两个软件工具之间创建无缝集成，以提供统一的工作环境来生成卫星结构设计验证所需的结果。

宝马是一家领先的高档汽车和摩托车制造商，在确保碰撞事件中乘客的安全方面面临着重大挑战。在碰撞期间协调一系列事件的复杂性，包括螺栓断裂或零件接触等离散事件的时间安排，是一项艰巨的任务。关键性能指标，包括能量吸收、失效前的峰值力水平、局部位移和重量，要么过于复杂，要么导致过度约束的优化问题。这使得在快节奏的产品开发过程中自信地验证耐撞性变得困难。我们面临的挑战是找到一种解决方案来简化这一过程，减少所需的设计迭代次数，并确保乘客的最高安全水平。

挑战在于智能材料的高效和准确模拟，特别是最初弯曲和扭曲的各向异性梁，例如风力涡轮机和直升机上的梁。这些材料由于其任意截面拓扑和多个物理域之间的耦合效应而变得复杂。即使使用先进的超级计算机，直接分析这些复合梁结构的计算成本也很高。梁理论的使用显着降低了计算成本，但智能系统缺乏可靠的数学建模和分析是一个主要障碍。这是由于耦合效应建模的困难以及复合材料的各向异性和异质性。

Skaigh Engineering 是一家专门从事高质量铝重力压铸件的英国公司，在制造过程中面临着多项挑战。由于客户需求的增加和零件复杂性的增加，铸造行业正在经历重大变革。为了保持竞争力并在全球市场中发展，Skaigh 等铸件制造商需要解决降低开发和制造成本等问题。该公司正在处理浪费时间来改进客户较差的制造技术以及由于涉及继承模具的试错开发方法而导致的交货时间过长的问题。为了改进开发流程并应对这些挑战，Skaigh 开始探索模拟的使用。

蜂巢易创传动技术河北有限公司（HYCET）是一家专注于电驱动系统的综合性企业，在解决变速箱机械故障方面面临着巨大的挑战。这些故障，包括点蚀、腐蚀和剥落，主要是由于润滑不足造成的。鉴于电驱动速度可达 20,000 rpm，HYCET 需要一种能够准确计算搅拌损失的解决方案。该公司还需要考虑风阻效应、油量以及油中存在的气泡（曝气）量等因素。我们面临的挑战是找到一种解决方案，能够详细了解这些复杂的流动现象，并帮助团队回答与油流和潜在泄漏相关的重要问题。

美国能源部多学科科学与工程研究中心阿贡国家实验室面临着在 COVID-19 大流行期间追踪快速演变的 SARS-CoV-2 病毒及其变种的挑战。病毒的快速进化有时变得更加致命且更具传播性，因此需要快速识别相关变体 (VOC)。挥发性有机化合物的早期发现对于拯救生命至关重要，因为它可以为科学家提供开发有效疫苗和治疗方法的时间。然而，现有的追踪这些变异的方法速度缓慢且效率低下，给研究团队带来了重大挑战。

斯巴鲁是一家全球汽车和飞机制造商，致力于到 2030 年实现零致命交通事故。为了实现这一目标，该公司需要不断创新并确保高碰撞安全性，这需要使用高精度进行计算机辅助工程 (CAE) 模拟-性能计算（HPC）。斯巴鲁一直在其位于日本群马县的主要制造工厂附近维护自己的 HPC 环境。然而，随着模拟计算处理要求的增加，团队面临着电力和扩展空间的短缺。他们开始使用位于东京远程数据中心的私有云，这需要一条专线供用户访问。由于成本高昂，他们决定评估公共云选项，并向日本汽车制造商协会云工作组寻求建议。

SS Global 是一家提供咨询和物联网集成服务的公司，在开发整个大都市区空气质量指数 (AQI) 的实时详细图片时面临着挑战。他们利用了有关温度、湿度以及颗粒物和大气气体浓度的物联网传感器数据。工程师需要能够实时或更快速地回放历史数据，以检查和了解天气、AQI 和其他因素之间的趋势和因果关系。对于系统来说，标记 AQI 和大气变化的不规则和异常也很重要，这可能表明未来影响当地居民的问题。

Patrone 和 Mongiello 是一家总部位于意大利的领先一级汽车供应商，他们正在寻求一种解决方案来增强对其钣金成型过程的监控。该公司旨在提高产品质量并减少生产浪费。该解决方案需要考虑应力、应变和弹性等金属板材特性，并涵盖垫块力和模具摩擦等设备操作条件。我们面临的挑战是找到一种能够准确模拟公司现有钣金成型工艺的解决方案，包括机器冲压和钣金行为、系统变量和操作条件。

ZT Innovations 是一家拥有超过 45 年经验的电机控制咨询公司，在维持其在短时间内提供高质量结果的声誉方面面临着重大挑战。该公司的业务主要来自回头客和推荐，因此声誉至关重要。然而，他们发现市场上可用的软件工具并不能为他们的需求提供全面的解决方案。该公司必须在流程中的不同步骤使用多种工具，这导致了连续且耗时的工作流程。他们使用的工具需要大量的模拟时间才能准确地表示物理系统，进一步延长了客户的完成时间。

NVIDIA 是加速计算领域的先驱，建造了一座占地 750,000 平方英尺的巨型建筑，名为 Voyager。为了配合架构创新，NVIDIA 希望拥有一个同样令人印象深刻的专用 5G 网络来支持多接入边缘计算 (MEC) 应用程序并利用未经许可的公民宽带无线电服务 (CBRS) 频段。第一个 MEC 应用需要在大堂区域使用 5G 摄像头进行智能视频分析。网络开发面临的挑战是 CBRS 频谱内的 150 MHz 限制。为了解决这个问题，NVIDIA 决定使用 100 MHz 最小带宽来维持所需的吞吐量水平，并为所有无线电单元使用相同的频率载波。这使得 5G 网络所需的吞吐量具有挑战性。 NVIDIA 还希望比较两种不同供应商的无线电单元，一种具有定向传输功能，一种具有全向传输功能，每个单元都有 4 个下行链路 (DL) 多输入多输出 (MIMO) 层和 2 个上行链路 (UL) MIMO 层。

TEN TECH AERO 是一家多学科工程服务提供商，其现有的计算机辅助工程 (CAE) 工具面临着重大挑战。该公司以其速度和准确性而闻名，但使用之前的工具时遇到了持续的崩溃和较长的处理时间，有时处理需要长达两周的时间。这些问题被归类为“已知错误”，建议的解决方案是重新创建模型，这是一个耗时且低效的过程。该公司经常处理超过 2 亿个元素的大型设计，需要为其 CAE 流程的每一步（从预处理到求解和后处理）提供更有效的解决方案。他们还需要一个可以处理现有遗留数据的工具，因为他们无法承担丢失多年来创建和存储的模型的后果。此外，处理时间也是一个重要问题，因为 TEN TECH AERO 不向客户收取解决和处理时间的费用，这意味着处理上花费的额外时间是未花费在计费服务上的时间。

Stanley Robotics 是一家高科技公司，旨在通过引入自主机器人来移动仓库中的汽车，从而彻底改变汽车物流行业。我们面临的挑战是开发一种快速、可靠且高效的机器人，以满足汽车物流行业的需求。机器人的设计需要考虑机械优化，才能与传统汽车物流公司有效竞争。 Stanley Robotics 需要证明其机器人车辆每年可以完成大量移动并证明其耐用性。为了实现这一目标，该公司需要一个合作伙伴来帮助开发机器人的数字孪生，以计算对其提出的所有要求，并通过耐用性计算来验证其产品。

国际工程和数字服务集团 Assystem 与英国原子能管理局 (UKAEA) 签订合同，为其运行的聚变发电厂开发基于物理的数字孪生。挑战在于聚变动力装置在设计评估阶段需要复杂的数字仿真模型。这些发电厂的检查和维护间隔以及总寿命是根据设计模型的预期负载确定的，该负载通常与发电厂承受的实际负载不同。这种差异为旨在提高工厂生命周期价值或量化高于预期使用量的影响的计划提供了范围。 Assystem 希望利用昂贵的设计模型，通过输入从工厂实时传输的传感器数据来创建数字孪生。这将帮助工程师了解工厂的结构完整性并进一步优化检查和维护计划。

C-TEC 是一家总部位于德国的公司，专门从事智能设备、机器和系统的开发和生产，在满足 2017 年生效的欧盟乘用车燃油效率和排放新标准方面面临着重大挑战。全球统一轻型车辆测试程序 (WLTP) 要求更严格的合规性，促使 C-TEC 改进和优化箱式多功能车的空气动力学性能，同时保留大部分相同的组件。这种优化需要 GPU 加速的高性能计算 (HPC)。然而，C-TEC 缺乏 CFD 仿真经验，并且无法获得运行昂贵的计算密集型多 GPU 工作负载所需的硬件。

Accuride Corporation 是全球领先的商用和乘用车零部件供应商，在产品开发过程中面临着重大挑战。创建实体六面体网格是开发卡车和客车车轮的关键步骤，是一项复杂且耗时的任务。此过程需要深入了解先进的网格划分技术和零部件质量标准。此外，该任务非常专业，以至于艾瑞德只有少数工程师可以处理，从而导致时间紧迫的项目可能出现延误。该公司还努力在部门界限之外分享这种网格划分知识，因此很难让每个人都参与到这个过程中，尤其是模拟初学者。

南洋理工大学的高性能计算中心 (HPCC) 面临着重大挑战。 HPCC 拥有超过 4,500 个 CPU 核心、40 个 NVIDIA Tesla GPGPU 卡、2,700TB 存储、100GB InfiniBand 互连以及 40G/100G 以太网主干网和技术支持，在 2021 年生产了近 1900 万个核心 CPU 小时和近 300,000 个 GPU 小时，以支持超过 160 名南洋理工大学研究人员。 HPCC数字社区已发展到近800名NTU会员，并且随着其队伍的不断增加，HPC和AI应用的数量也在快速增长。 HPCC 的四名工程师小型团队需要尖端工具来支持其不断增长的用户社区并评估扩展到混合云环境的情况。他们需要作业级别的洞察力来了解运行时问题，I/O、CPU 和内存指标来识别瓶颈，并能够检测有问题的应用程序和不良 I/O 模式（可能导致共享存储过载）的恶意作业。