詳細はこちら
人工知能、機械学習、ディープラーニングでシミュレーションを高速化することで、エンジニアはスピードのために精度を犠牲にすることなく、大規模で複雑な設計をより迅速に処理できるようになります。
At Ansys, we are revolutionizing engineering simulation with the power of Artificial Intelligence and Machine Learning. Our AI-augmented simulation is a game-changer, bringing unprecedented speed, innovation, and accessibility to the engineering world.
Engineers use simulation to ask the "what if questions" and predict how complex systems behave in the real world, from tiny microchips to commercial airliners. Ansys AI pushes the boundaries of what's possible even further. With our AI-augmented solutions, engineers can go beyond what they thought was possible, such as
Simulation at the Speed of AI:
Using a cloud-enabled machine learning platform developed for simulation, engineers can reliably predict performance with lightning speed.
Transforming the User Experience:
With Ansys AI-based virtual assistant, users can perform simulation tasks, ask support questions, or even create custom learning courses, all using natural language queries.
Solving the Insolvable with AI Add-ons:
Ansys AI enhances the simulation capability for complex use cases across the product portfolio. Users can deliver more accurate results and capture more details.
設計と解析の初期段階から、シミュレーションによってワークフローが改善され、品質と精度が向上します。Ansysのお客様は、人工知能と機械学習を活用して、その限界をさらに押し広げています。
Bosch社は、Ansysのテクノロジーを使用して、人工知能(AI)と機械学習の機能を活用したデジタルモデルを作成し、電気自動車の設計を再定義しています。
AI/MLを活用したシミュレーションによって、Seagate Technology社のエンジニアが効率的な開発ワークフローで可能な限り高い精度をどのように達成できたかを紹介します。
Ansysのクラス最高のシミュレーションソリューションは、持続可能性とデジタルトランスフォーメーションに焦点を当てたLG社の次世代テクノロジーの開発を支援しています。
Ansysは、スイッチングカバレッジの拡大と信頼性の向上を実現する大規模な並列化可能な設計手法により、Juniper社が非常に予測精度の高いパワーインテグリティサインオフを大幅に短い時間で達成できるよう支援します。
Achronix社は、Ansysの半導体シミュレーションソフトウェアを活用して、知的財産(IP)ブロックなどのパワーインテグリティおよび熱的信頼性で最新のチップ設計を保護しました。
システムズエンジニアリングのリーダーであるSPEC Innovations社は、Ansysのシミュレーションソリューションを適用して、月探査を可能にする月面ローバーのデジタルツインを開発し、NASAのBreak the Ice Lunar Challengeに対応しています。
Ansys Fluent が人工知能(AI)を有効に活用し、精度を落とさずにパフォーマンスを向上させる方法を紹介します。初期の結果では、86倍のスピードアップを実現しました。
Michael P. Brenner氏は、Harvard Universityで応用数学と応用物理学のMichael F. Cronin冠教授および物理学の教授を務めています。さらに、Google Researchのリサーチサイエンティストでもあります。AnsysおよびGoogle Researchとの「Machine Learning Convective Discretizations through User-Defined Functions in Fluent」(Fluentにおけるユーザー定義関数を通じた対流離散化の機械学習)に関する研究の概要を紹介します。
このウェビナーでは、AI/MLがどのようにしてビジネスに競争力をもたらし、市場投入までの時間を短縮できるかをご紹介します。
AI/MLベースの手法は、履歴データを活用できる機能をもたらします。通常、大量のデータが収集される場合、その情報を分類して、最も必要なもの、価値の低いもの、廃棄すべきものを取り出す責任があります。あまり有用でないデータや廃棄されたデータは、コンピュータのハードドライブ上に古い形式で保存され、ほとんどアクセスできなくなり、一見価値がないようになります。しかし、AI/MLはデータのバックログを活用し、旧式のレガシーデータを価値の高いアセットに変えています。
このウェビナーでは、未使用または古いデータをトレーニング資料としてリサイクルすることで、AI/MLがどのようなメリットを受けるかについて説明します。過去のシミュレーション結果とデータを使用して新しい設計課題を学習し、アプローチすることは、上級設計者チームの専門知識を活用することに似ていますが、より大きな優位点があります。
人工知能、機械学習、ディープラーニングでシミュレーションを高速化することで、エンジニアはスピードのために精度を犠牲にすることなく、大規模で複雑な設計をより迅速に処理できるようになります。
2023 R1では、ユーザーがより正確で効率的な構造シミュレーションを実行できるようにする新しい機能がAnsys Mechanicalに追加されました。このウェビナーでは、このリリースのMechanicalで注目すべき機能について説明します。AI/MLを活用したリソース予測機能を使用することで、想定される解析時間やメモリ使用量など、シミュレーションの実行に必要な計算リソースに関する洞察を得ることができます。
L3+システムに取り組んでいる自律型システム開発チームは、ビジネスモデルに適した手頃な価格で、人間のドライバーよりも安全であることをどのように保証できるでしょうか。持続可能なビジネスモデルソリューションを実現するには、ADシステムの開発において、パフォーマンスと安全性で徹底したトレードオフが必要です。Ansysのソリューションが、安全システム設計およびAVソフトウェア開発における重要な技術的課題にどのように対処するかをご覧ください。
このウェビナーでは、AIと物理学の優れた点を組み合わせてハイブリッドデジタルツインを作成する方法について、エキスパートで構成されたパネリストが議論します。ハイブリッドデジタルツインは、物理シミュレーションや仮想センサーなどの高度な技術を実装しています。パネリストは、AIoT User GroupとDigital Twin Consortiumの連携により、すでに進行中のAI/物理学の作業内容についても見ていきます。
完全自動運転車や輸送車の実現に近づくにつれて、人工知能(AI)、機械学習、迅速で自動化された意思決定の開発に大きな焦点が当てられています。AIや意思決定システムは、車両の軌道と環境への応答を計画する必要がありますが、センサーは、それらのアルゴリズムを実行する制御システムに、車両の周囲の現在および刻々と変化していく状態に関する正確なデータを供給する必要があります。
付加製造技術(AM)が工業生産技術の主流として採用されるためには、スピードと信頼性の両立という課題が残っています。AM部品のプロセスパラメータを迅速に最適化して市場投入期間を短縮するにはどうしたらよいでしょうか?
人工知能は、大半の業界の状況を変える可能性があります。AIの自動化の可能性だけでも、設計サイクルとイノベーションのペースを急激に加速させることができます。AIの導入にはハードルが伴いますが、今からイノベーションの旅を始めている人たちは、今後数十年にわたって自分たちの分野をリードすることができるでしょう。詳細については、この概要をダウンロードしてください。
自動運転における2つの非常に大きな役割は、行動予測と3D物体検出です。どちらにもセンサーと認識ソフトウェアが必要です。これらの機能は、走行中の車両の周囲の歩行者の行動やドライバーの疲労や過失を検出することで、事故を減らすことを目的としています。これらの機能を実装するには、人工知能(AI)によって強化された高度な認識テクノロジーがほぼ必須になります。
エンジニアは、付加製造技術(AM)データに関する洞察を深めることで、AMプロセスを制御し、材料と部品の性能を最適化することができます。実験サイクル数を大幅に削減して、結果を得ることができます。
サービスとしての機械学習(MLaaS: Machine Learning as a Service)は、MLの広範な採用と適用をサポートするのに役立ちます。MLワークロードに合わせて調整されたサービスとしてのソフトウェア(SaaS: Software-as-a-Service)配信モデルを活用することで、組織は機械学習の革命に迅速に参加できます。