Skip to Main Content

AI가 시뮬레이션 기술을 개선하는 방법

인공지능(AI), 머신러닝(ML), 딥러닝 애플리케이션에서 시뮬레이션의 역할과 앤시스가 AI와 ML을 시뮬레이션 소프트웨어에 통합하는 방법에 대해 알아봅니다.

인공 지능과 시뮬레이션 조합의 이점

속도와 정확도 가속화

Ansys는 AI/ML 방법을 사용하여 시뮬레이션 매개 변수를 자동으로 찾아 속도와 정확도를 동시에 향상시키고 있습니다.

증강 시뮬레이션

AI/ML은 칩 서멀 솔루션을 가속화할 수 있으며, 로컬 지역의 고 충실도 솔루션과 거친 영역의 ML 방법을 결합한 유체 솔버를 개발할 수 있습니다.

비즈니스 인텔리전스 확보

Ansys 시뮬레이션 솔버에 대한 컴퓨팅 리소스 예측 요구 사항과 같은 비즈니스 인텔리전스 결정을 주도하십시오.

설계 공간 탐색 최적화

AI/ML은 초기 제품 최적화 작업에 도움을 주어 엔지니어가 수천 개의 매개 변수를 기반으로 최적의 설계 공간을 신속하게 찾을 수 있도록 지원합니다. 

시뮬레이션을 통한 머신 러닝 가속화

Ansys Fluent가 인공지능(AI)을 효과적으로 사용하여 정확도를 저하시키지 않고 성능을 향상시키는 방법에 대해 알아보십시오. 초기 결과에 따르면 속도가 86배 향상되었습니다.

Michael P. Brenner는 Michael F. Cronin 응용 수학 및 응용 물리학 교수이자 하버드 대학교 물리학 교수입니다. Brenner는 Google Research의 연구원이기도 합니다. 그는 "Fluent의 사용자 정의 함수를 통한 기계 학습 대류 이산화"에서 Ansys 및 Google Research와의 작업에 대한 개요를 제시합니다.

인공 지능을 위한 엔지니어링 시뮬레이션 애플리케이션 

AI/ML 기술은 스마트 에이전트에 대한 자연어 이해, 소셜 미디어에 대한 감정 분석, 금융에서의 알고리즘 트레이딩, 약물 발견, 전자 상거래를 위한 추천 엔진과 같은 다수의 산업에 성공적으로 적용된다.

사람들은 종종 AI/ML이 시뮬레이션 엔지니어링에서 수행하는 역할을 인식하지 못합니다. 실제로 AI/ML은 시뮬레이션 엔지니어링에 적용되며 고객 생산성을 방해하고 촉진하는 데 중요합니다. AI/ML로 강화된 고급 시뮬레이션 기술은 엔지니어링 설계 프로세스를 뒷받침하고 있습니다. 

모든 애플리케이션 보기

AUTONOMOUS-BATTERY-SIMULATION-SOCIAL

문화 충돌: 인공지능과 IoT의 인간적 측면

오늘날의 가장 중요한 기술 혁신 기술과 사물인터넷 (IoT) 을 엔지니어링 시뮬레이션과 통합하면 어떤 일이 일어나는지 알아보십시오.

machine-learning-materials-science-3.jpg

재료 과학을 위한 머신 러닝 이해

머신 러닝은 더 강하고 가벼운 재료를 개발하는 데 걸리는 시간을 극적으로 감소시킨다. 이것은 자동차, 항공우주 및 건설 부문에 중요합니다. 

How AI and ML are Changing Simulation

AI와 ML이 시뮬레이션을 어떻게 변화시키고 있는가

Ansys가 이러한 모든 문제를 해결하기 위해 인공지능/머신 러닝 (AI/ML) 을 어떻게 사용하는지 살펴보자. 

3D Artificial Intelligence Compression

AI와 ML: 시뮬레이션의 멋진 신세계

AI와 ML의 역량이 엔지니어링 시뮬레이션 분야를 조용히 변화시키고 있다. 이 고급 기술이 제품 개발 팀의 작업을 어느 때보다 복잡하고 도전적으로 만드는 방법을 읽어보십시오. 

honda-property-predicted-results.jpg

혼다 모터, 재료 데이터베이스로 개발 효율성 향상

재료정보학은 기존의 시행착오 재료 개발과 달리 재료 데이터와 머신 러닝을 통합하는 효율적인 재료 개발 방법입니다.

2021-01-optislang-ai.jpg

2022년: AI가 중심이 되는 해

데이터를 기반으로 하는 AI 엔지니어링 및 생성 AI를 사용하는 조직은 클라우드에서 협업하여 2022년에는 새로운 수준의 혁신을 실현할 수 있도록 준비하고 있다. 

인공지능 (AI) vs. 머신 러닝 (ML) vs. 딥러닝 (DL) 

인공지능은 이러한 결정의 결과에 따라 감지하고, 결정을 내리고, 행동에 옮기고, 적응할 수 있는 프로그램을 설명하는 개념으로 적어도 최초의 컴퓨터 이후로 존재해 왔습니다.

머신러닝은 알고리즘에 기밀 데이터를 제공하여 시간이 지남에 따라 명시적으로 프로그래밍되지 않고 개선될 수 있도록 함으로써 AI를 실현하는 수단입니다.

딥 러닝 (Deep Learning) 은 머신러닝을 실현하기 위한 수단으로서 인공 신경망을 사용하는데, 이것은 인간의 뇌가 어떻게 의사결정을 하는지를 모방하는 알고리즘인데, 이는 그들 자신의 데이터의 분류를 만드는 것을 포함한다. 딥 러닝은 일반적으로 대량의 데이터 및 고성능 컴퓨팅 (HPC) 을 필요로 합니다.

알고리즘을 훈련시키기 위해 충분한 데이터를 수집할 수 있는 곳이라면 어디에서나 자율주행 차량 안내에서 에너지 사용량 예측, 복잡한 물리학을 학습하여 엔지니어링 시뮬레이션 가속화에 이르기까지 AI 개발에 적합합니다.

Artificial Intelligence

시뮬레이션과 AI를 활용한 엔지니어링 자율주행

Artificial Intelligence

자율주행 기술을 개발하는 것은 기술, 머신러닝 및 인공 지능의 새로운 발전을 요구하는 만만치 않은 과제입니다.

Watch the Webinar

첨단 운전자보조시스템 (ADAS) 과 자율주행차를 개발하는 것은 전례 없는 도전입니다. 안전성과 신뢰성을 확보하기 위해서는 수십억 마일의 도로 시험이 필요할 것이라고 합니다. 이 불가능한 태스크는 엔지니어링 시뮬레이션의 도움으로만 수행할 수 있습니다. 시뮬레이션을 통해 수천 개의 운전 시나리오 및 설계 매개변수를 정밀, 속도 및 비용 경제성으로 가상으로 테스트할 수 있습니다.

이 60분 웨비나는 자율주행 차량과 ADAS 개발에 시뮬레이션이 필수적인 6개의 특정 분야를 설명할 예정입니다. 또한, ADAS및 자율 차량 시뮬레이션에 필요한 도구를 식별하는 동시에 시뮬레이션의 이점을 예제 및 실질적으로 제공합니다. 

인공 지능, 머신 러닝 및 딥 러닝으로 시뮬레이션 가속화

AI를 통해 엔지니어는 속도에 대한 정확도를 희생하지 않고도 크고 복잡한 설계를 보다 신속하게 작업할 수 있습니다.

2021-01-semiconductors-redhawk-sc--electro.jpg
시뮬레이션 속도 100배 향상

앤시스는 Ansys RedHawk-SC 제품군 내에 있는 심층 신경망을 사용하여 몬테 카를로 시뮬레이션을 최대 100배까지 가속시켜 전압이 타이밍에 미치는 영향을 더 잘 이해할 수 있다.

2021-01-optislang-reduced-modeling.jpg
1,000배 빠른 솔루션

한 자동차 고객은 앤시스 OptiSLang의 머신러닝 기법을 활용해 앞차가 갑자기 차선을 바꿔 차량 속도를 늦추는 이른바 '막힌' 교통 문제에 대한 자율적 해결책을 찾았다. 그들은 이전의 몬테카를로 방법을 사용할 때보다 1,000배 더 빨리 이 문제에 대한 해결책을 찾을 수 있었다.

2021-01-optislang-ai.jpg
10,000가지 다양한 설계

AI/ML의 활용으로 우리는 생성적 디자인의 세계로 진입하고 있으며, 사양을 기반으로 10,000가지의 다양한 디자인을 탐색하고 고성능 컴퓨팅과 Ansys Cloud로 빠르게 시뮬레이션하여 디자이너에게 최고의 옵션을 제공하고 있습니다. 

Ansys 전문 지식

기능이 있는 이벤트

2021-01-power-artist-chip-package-system.jpg
높은 적용 범위, 전력 무결성 승인 시 다변수 빌드 품질 메트릭

AI와 머신러닝 알고리즘으로 구동되는 차세대 자동차, 모바일 및 고성능 컴퓨팅 애플리케이션을 위한 반도체 칩은 더 크고, 더 빠르고, 더 복잡한 첨단 16/7nm 시스템 온 칩(SoC)을 사용해야 합니다.

Computer chip graphic with the 5G symbol
시뮬레이션을 통한 5G설계 혁신

이번 발표에서는 모바일 네트워킹의 과거와 현재, 미래를 보여주고, 5G, 엣지 컴퓨팅, 인공지능 (AI) 머신 러닝의 융합이 업계 판도를 어떻게 바꿀지 소개합니다. 

Artificial Intelligence
SkyAngels와 앤시스

Ansys 시뮬레이션이 사전 설정된 인증 경로에서 비분리 공역을 탐색하는 것을 목표로 SkyAngels가 자율 항공기를 위한 계산 인텔리전스를 개발하는 데 어떻게 도움이 되는지 알아보십시오.

관련 자료

모든 자원 보기

자원

Driving a Radar Revolution arbe

Ansys optiSLang의 혁신

optiSLang의 딥 러닝 확장은 최적 예후(MOP) 경쟁의 메타 모델에 신경망을 추가하여 매우 큰 데이터 세트를 빠르고 정확하게 분석할 수 있게 합니다. 이는 고급 운전자 지원 시스템을 개발하는 경우에 특히 유용합니다.

2020-12-article-icon-block.jpg

TSMC의 N3 및 N4 프로세스 기술에 대한 인증을 획득한 Ansys Multiphysics 솔루션

이를 통해 공동 고객은 고도로 정교한 인공지능/기계 학습, 5G, 고성능 컴퓨팅(HPC), 네트워킹 및 자율주행차 칩에 대한 중요 전력, 열 및 신뢰성 표준을 충족할 수 있습니다.

2020-12-white-paper-icon-block.jpg

자율주행차 안전성 검증을 위한 통합 시뮬레이션 플랫폼

오늘날의 핸즈오프 자율 주행 시스템은 거의 모든 주행 상황에서 올바른 결정을 내리도록 훈련될 수 있는 딥 러닝 알고리듬으로 크게 구축되어 있다. 그러나 이러한 시스템은 상업용 항공기를 제어하는 것과 같은 안전 중요 소프트웨어를 검증하기 위해 지금까지 사용되었던 세부 요건과 아키텍처가 부족하다.

2020-12-white-paper-icon-block.jpg

머신 러닝이 적층 제조 부품의 시장 출시 기간을 단축하는 데 도움이 되는 방법

적층 제조(AM)가 주류 산업 생산 기법으로 채택되기 위해서는 속도 + 신뢰성이라는 과제가 남아 있습니다. 적층 제조 부품의 프로세스 매개 변수를 신속하게 최적화하여 출시 기간을 단축할 수 있는 방법은 무엇입니까?

백서

기사

2020-12-white-paper-icon-block.jpg
White Paper

앤시스 자율성: NCAP 리더십 기반

인공지능(AI)과 머신러닝(ML)이 보편화되고 의무화됨에 따라 승용 자동차 제어 시스템의 첨단 기술에 대한 요구만 증가할 것입니다.

비디오