Wie KI und ML die Simulation verändern

In den letzten 50 Jahren wurden im Bereich der technischen Simulation numerische Methoden entwickelt, die es Ingenieur*innen ermöglichen, physikalische 3D-Probleme schneller und einfacher, mit größerer Genauigkeit und robusteren Ergebnissen zu lösen. Finite-Elemente-Analyse (FEA), Finite-Volumen-Methoden (FVM) und Finite-Differenzen-Zeitbereich (FDTD) haben die Effizienz der Solver erhöht, während dynamische Visualisierungstechniken die so genannte Benutzerfreundlichkeit verbessern.

Trotz dieser Verbesserungen bleiben bestimmte Herausforderungen bestehen. Das sind die Abstriche, die bei der Simulation gemacht werden:

1.     Genauigkeit der Ergebnisse

2.     Geschwindigkeit der Ergebnisse

3.     Workflow-Bedienfreundlichkeit

4.     Stabilität des Workflows

Nehmen wir zum Beispiel die Mesh-Generierung, den Baustein von Multiphysik-Lösungen. Es ist allgemein bekannt, dass die Verwendung gröberer Netze die Simulationsgeschwindigkeit erhöht, aber zu einem Verlust an Genauigkeit führt. Ähnlich verhält es sich mit benutzerfreundlichen Arbeitsabläufen mit einfacheren Netzen, die ebenfalls die Genauigkeit verringern und andere Probleme mit sich bringen können, z. B. wenn die Simulation nicht konvergiert und die Robustheit versagt.

Ansys untersucht den Einsatz von künstlicher Intelligenz und maschinellem Lernen (AI/ML), um all diese Probleme zu lösen.

Zeitgleiche Verbesserungen

Die Kommerzialisierung der künstlichen Intelligenz begann in den 1970er Jahren. Der eigentliche Startschuss fiel ein Jahrzehnt früher mit der Entwicklung regelbasierter Expertensysteme. Diese Systeme, die einfachste Form der KI, stützen sich auf kuratiertes menschliches Fachwissen, um Probleme zu lösen, die normalerweise menschliche Intelligenz erfordern würden.

Man würde erwarten, dass KI/ML-Anwendungen aktiv in Wissenschaft und Medizin eingesetzt werden: von der Vereinheitlichung der Arzneimittelentwicklung über robotergestützte Chirurgie bis hin zu automatisierten Krankenakten, auf die Anbieter überall auf der Welt sofort zugreifen können. Aber KI/ML wird in immer mehr Branchen und von immer mehr Nutzer*innen erfolgreich eingesetzt. Sie hilft Marken, ihre sozialen Medien zu durchforsten, um herauszufinden, wie die Kunden über ihre Produkte denken (Stimmungsanalyse), verschafft Anlegern einen Vorsprung bei Aktiengeschäften (algorithmischer Finanzhandel) und ermöglicht E-Commerce-Betreibern, ihre Angebote für Online-Käufer zu personalisieren (Empfehlungsmechanismen).

Bei Ansys können wir AI/ML-Methoden einsetzen, um die Simulationsparameter automatisch zu finden und so gleichzeitig die Geschwindigkeit und Genauigkeit zu verbessern.

Mit Hilfe der erweiterten Simulation können wir die Simulation um das 100-fache beschleunigen, indem wir neuronale Netze mit datengesteuerten oder physikalisch informierten Methoden trainieren.

Wir glauben, dass die Anwendung von KI/ML uns Folgendes ermöglichen wird:

• Verbesserung der Produktivität beim Kunden.
• Verbesserung der Simulation, einschließlich der Beschleunigung der thermischen Lösungen für Chips und der Entwicklung eines Solvers für Strömungsmechanik, der High-Fidelity-Lösungen in lokalen Regionen mit ML-Methoden in groben Regionen kombiniert.
• Optimierung der Designfindung
• Business-Intelligence-Entscheidungen, wie z. B. den Bedarf an Ressourcenvorhersagen für unsere Solver.
• Kombinieren Sie auf Daten basierende und simulationsbasierte digitale Zwillinge, um genaue und schnelle digitale, hybride Zwillinge zu erstellen.

Oder anders gesagt: Wir glauben, dass KI/ML uns dabei helfen wird, die Kluft zwischen der idealen Welt (in der Zeit, Aufwand, Effizienz und Ergebnisse perfekt aufeinander abgestimmt sind) und dem, was im wirklichen Leben passiert, zu verringern. Mit ihr werden sich Produktivität, Benutzerfreundlichkeit und Genauigkeit von Simulationen nicht ausschließen müssen.

Wenn Sie mehr über die Pläne von Ansys zur Nutzung von KI/ML zur Verbesserung seiner Solver-Technologie erfahren möchten, registrieren Sie sich für Prith Banerjee's Präsentationauf der NVIDIA GTC Konferenz.