人工智能的工程仿真应用
AI/ML技术已成功应用于众多行业，例如智能媒介的自然语言理解、社交媒体上的情感分析、金融算法交易、药物研发和电子商务推荐引擎等。
人们通常不知道AI/ML在仿真工程中所发挥的作用。事实上，AI/ML不仅适用于仿真工程，而且对于客户提升和推动实现突破性生产力至关重要。通过AI/ML增强的高级仿真技术是工程设计流程的重要基石。nbsp
AI如何改进仿真技术
了解仿真在人工智能（AI）、机器学习（ML）和深度学习等应用中的作用，以及Ansys如何将AI和ML集成到仿真软件中。
结合人工智能和仿真的好处
提高速度和准确性
Ansys正在使用AI/ML方法自动查找仿真参数，以同时提高速度和准确性。
增强仿真
AI/ML可加速芯片热解决方案并开发流体求解器，将局部区域的高保真度解决方案与粗疏区域的ML方法相结合。
获取业务信息
推动制定业务信息决策，例如Ansys仿真求解器的计算资源预测需求。
优化设计空间探索
AI/ML可以指导早期产品优化工作，帮助工程师根据数千个参数快速找到最佳设计空间。
通过仿真加速机器学习
了解Ansys Fluent如何有效利用人工智能（AI）提高性能，同时不降低准确性。初步结果表明速度提升了86倍。
Michael P. Brenner是哈佛大学Michael F. Cronin实验室应用数学与应用物理学教授以及物理学教授。Brenner还是Google Research的一名研究科学家。他在“通过Fluent中的用户定义函数实现机器学习对流离散化”中概述了他与Ansys和Google Research的合作。
人工智能（AI）、机器学习（ML）和深度学习（DL）
机器学习是一种通过为算法提供分类数据来实现AI的方法，这样它们就可以随着时间的推移而不断改进，而且无需明确编程。
机器学习是一种通过为算法提供分类数据来实现人工智能的方法，这样它们就可以随着时间的推移而改进，而无需明确编程。
深度学习作为实现ML的一种手段，通过使用人工神经网络算法，试图模仿人类大脑做出决策的方式，包括自行对数据进行分类。DL通常需要大量数据和高性能计算（HPC）。
从引导自动驾驶汽车到预测能源使用，再到通过学习复杂物理来加速工程仿真，只要能够收集到足够的数据来训练算法，都能为人工智能的完善发展赋能。
使用仿真和AI开展自动驾驶汽车工程
开发自动驾驶汽车技术是一项艰巨的挑战，需要结合传感技术、机器学习和人工智能等领域的全新发展才能足以应对。
高级驾驶辅助系统（ADAS）与自动驾驶汽车的研发不仅极富挑战，而且无先例可循。据估计，为了确保安全性和可靠性，工程师需要进行数十亿英里的道路测试。这项不可能完成的任务只有借助工程仿真才能实现。借助仿真，工程师可以通过低成本、快速准确的方式对数以千计的驾驶场景和设计参数进行虚拟测试。
本场60分钟的网络研讨会将介绍仿真对于自动驾驶汽车和ADAS开发至关重要的六个具体方面。它还将举例说明仿真的好处，同时确定ADAS和自动驾驶汽车仿真所需的工具。
利用人工智能、机器学习和深度学习加速仿真
AI使工程师能够更快速地处理大型复杂设计，而且不会为了速度而降低准确性。
实现100倍的仿真提速
Ansys使用Ansys RedHawk-SC系列产品中的深度神经网络，将Monte Carlo仿真速度提高多达100倍，从而能够更好地了解电压对时序的影响。
求解速度实现1,000倍提升
一家汽车客户利用Ansys OptiSLang的机器学习技术找到了一种自动驾驶解决方案，能够帮助解决前方车辆突然改变车道并减慢交通速度这种“卡住不动”的交通难题。与以前使用的Monte Carlo方法相比，他们能够将寻找解决方案的速度提升1000倍。
10,000种不同的设计
通过使用AI/ML，我们正在进入一个创成式设计的世界，根据规格探索10,000种不同的设计，并使用高性能计算和Ansys Cloud对其进行快速仿真，从而为设计人员提供最佳选择。
Ansys专业知识
专题活动
网络研讨会
电源完整性签核中的更大覆盖范围、多变量构建质量指标
面向新一代汽车、移动和高性能计算应用的半导体芯片由AI和机器学习算法提供支持，其需要使用更大型、更快速、更复杂的高级16/7nm片上系统（SoC）。
了解Ansys提供的产品与服务
了解Ansys提供的产品与服务
Contact Us
立即联系我们
