模擬技術持續在全球各行各業改變工作流程。產品開發團隊不斷面臨在更短時間內設計出更優質產品的挑戰。將模擬技術更早導入設計與開發流程，這些團隊能加快生產進度，並提供有助於提升效率、準確度與產品品質的關鍵設計見解。儘管這種「左移」策略 (即：在初期即導入模擬以輔助設計，而非僅作為末期驗證或後處理工具) 帶來極大影響，但人工智慧 (AI) 技術又進一步提供革新生產與模擬流程的新機會。
透過結合 AI 與多重物理量模擬的力量，Ansys SimAI 雲端平台讓組織能以更高的效率實現前所未有的創新。SimAI 是一個與物理無關且雲端原生的平台，您可以利用之前產生的 Ansys 或非 Ansys 資料來訓練 AI 模型，並在幾分鐘內評估新設計的效能。軟體即服務 (SaaS) 應用程式結合了 Ansys 模擬的預測準確度與透過雲端之生成式 AI 的速度，透過雲端運算將計算密集型專案的整體設計流程效能提升 10 到 100 倍。
那麼，AI 與機器學習 (ML) 方法究竟是如何整合並擴展數值模擬與求解器的應用呢？讓我們深入瞭解 SimAI 平台的內部運作方式，看看這項技術如何在不犧牲準確度的情況下，同時擴展並強化傳統模擬技術。
使用數值模擬強化機器學習
為了深入理解 SimAI 平台的技術基礎，必須先瞭解數值模擬的本質、複雜性與應用目的。數值模擬可以在不進行實驗室測試的情況下，模擬各種工程領域中物理系統的行為。這讓工程師能更輕鬆且有效率地計算與迭代系統特定參數。例如，為評估汽車空氣力學表現，工程師常使用計算流體力學 (CFD) 模擬來分析車體周圍的流場。
為評估汽車空氣力學表現，工程師常使用計算流體力學 (CFD) 模擬來分析車體周圍的流場。
控制方程式在分析物理系統中扮演關鍵角色，因為它們使模型能夠分析並預測肉眼無法觀察的行為。數值模擬透過數學近似法，並以電腦演算法來解這些控制方程式。工程中最知名的控制方程之一即為納維爾-斯托克斯方程式，用於描述不可壓縮流體的運動與流動。在汽車空氣力學中，納維爾-斯托克斯方程式可用來描述汽車周圍流體的速度與壓力之間的關係。
如此處所示，納維爾-斯托克斯方程式在不可壓縮形式下用以描述流體速度與壓力的關係。
應用 ML 技術的目標，是讓演算法能根據一組範例資料學習某項任務或通用規則。將 ML 技術整合進數值模擬時，有幾種不同的方法。
以下是兩大類常見方法：
- 物理感知型方法：最直接的方法，是以 ML 技術取代傳統求解器中的瓶頸環節，以更快的速度產出預測結果，例如加速大型線性方程組的求解。然而，多數此類方法會去除實際求解器，同時保留控制方程式的資訊，像是將這些方程所隱含的懲罰項納入損失函數中 (即訓練資料中的誤差指標)。換句話說，物理感知型方法專注於特定物理任務並可有效執行，但可能會犧牲一部分準確度。
- 物理無關型方法：另一種方式則是讓 ML 演算法直接從數值求解器的結果中學習潛在的物理表示。這類方法並不依賴於底層方程式與求解器。例如，透過先前模擬的範例，ML 演算法可學習一個以資料驅動的納維爾-斯托克斯函數表示，並將新幾何形狀與自由流條件 (如車速) 作為輸入，輸出其對應的流場。藉由這種方式，物理無關型方法能兼具速度與預測準確度。
SimAI 平台採用物理無關型方法，在不犧牲預測準確度的前提下，加速整體模擬流程。SimAI 軟體並不依賴幾何參數來定義設計，而是直接將設計本身的形狀作為輸入。即使訓練資料中的形狀結構不一致，這種方式也能實現更廣泛的設計探索。
基本上，SimAI 平台會採取三個簡單的步驟：上傳資料、訓練 AI 模型，以及預測。如前所述，客戶可以使用之前產生的 Ansys 或非 Ansys 資料訓練 AI 模型。
透過先前模擬的範例，Ansys SimAI 採用的物理無關型機器學習 (ML) 技術可學習您系統中底層控制方程式 (如納維爾-斯托克斯函數) 的資料驅動表示方式。
Ansys SimAI：深入探索技術核心
SimAI 平台的通用架構結合多種技術，融合多個深度學習神經網路。這類架構能捕捉所有重要的物理尺度。此架構包含大量非線性層，涵蓋多種參數與變數間的複雜交互作用。
SimAI 的架構包含大量非線性層，涵蓋多種參數與變數間的複雜交互作用。
SimAI 平台並非明確儲存資料點 (如圖像的像素值)，而是透過隱式神經表示學習一個可生成這些資料點的連續函數。這表示 SimAI 軟體可使用來自先前模擬的一組資料點，並成功泛化至新的幾何形狀與自由流條件。
以汽車空氣力學評估為例，這項能力可實現表面與體積場 (例如壓力與速度) 的連續表示。如此即可根據所需解析度進行預測。此外，亦可從預測出的場資料中進行後處理，以導出全域係數。
在汽車空氣力學評估中，SimAI 平台可實現表面與體積場 (例如壓力與速度) 的連續表示。此外，亦可從預測出的場資料中進行後處理，以導出全域係數。
事實上，SimAI 平台的一大優勢是其運用了正則化技術，能防止過擬合並提升對新幾何形狀的泛化能力。這代表什麼？簡而言之，過擬合是指 AI 模型的預測過度侷限於訓練資料與其中的幾何特徵，無法有效學習與泛化至新的幾何形狀。正則化技術的目的正是為了減少過擬合。SimAI 採用了多種正則化技術，其中包含直接嵌入模型結構中的區域方法，有助於建立更穩定且更具表達能力的模型。這也是 SimAI 軟體能夠快速且輕鬆處理新幾何形狀的原因。
同樣地，SimAI 平台能以適當的方式表示 3D 形狀，進而描述任意或不規則網格，即使幾何變化複雜且未遵循特定分布 (如未參數化的幾何形狀) 也能處理。為量化預測結果的不確定性，SimAI 軟體會使用一種獨特的信心分數，來計算新幾何與已知幾何在高維空間中的距離。
無論新幾何的網格解析度為何，SimAI 平台皆會回傳相同的信心分數，因其採用統一的形狀表示方式，進而產出一致的預測結果。
立即透過 Ansys SimAI 平台拓展模擬能力
瞭解 SimAI 軟體背後的技術原理固然重要，但這個平台最棒的地方在於：您不需要懂這些技術原理也能輕鬆使用。它具備直覺式介面，專為沒有程式設計經驗、AI/ML 背景或深度學習專業知識的使用者所設計。
SimAI 平台專為廣泛的工程族群而打造，使產品工程師、設計師及非專業使用者，不論身處哪個產業或工程領域，都能輕鬆運用既有的模擬與量測資料，在數分鐘內完成對新設計的效能評估，而非耗時數小時。
若要瞭解更多資訊，請報名參加網路研討會「隆重推出 Ansys SimAI：用於模擬的雲端原生生成式 AI」。
