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
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。
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。
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
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。
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。
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。
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。
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。
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。
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)。