Skip to Main Content

      

ANSYS 部落格

April 13, 2021

AI 和 ML 如何改變模擬

在過去的 50 年中,工程模擬領域開發了數值方法,可以讓工程師更快、更輕鬆地解決 3D 物理問題,並獲得更高的準確性及更全面的結果。有限元素分析 (FEA)、有限體積法 (FVM) 和時域有限差分 (FDTD) 提高了求解器效率,而動態視覺化技術更是提高了所謂的使用者便利性。

儘管有這些功能增進,但仍存在某些挑戰。具體來說,模擬需要同步取捨:

1. 結果的準確度

2. 產生結果的速度

3. 工作流程的易用性

4. 工作流程的穩健性

以網格生成為例,其為多重物理量解決方案的基礎。工程師都了解,使用較粗的網格會提高模擬速度,但會造成精準度下降。同樣的,使用簡單網格與簡易的工作流程也會降低準確度,並可能引發其他問題,例如模擬不收斂和穩健性流失。

Ansys 正在探索使用人工智慧/機器學習 (AI/ML) 來解決所有的這些問題。

 

同步進步

人工智慧的商業化始於 1970 年代,但該領域實際上早於十年前就隨著基於規則的專家系統的發展而開始。作為最簡單的人工智慧形式,這些系統依照精心規畫整理的人類專業知識,以化解通常需要人類以智慧自身解決的問題。

我們希望 AI/ML 應用程式將可被更廣泛地應用於科學和醫學領域中,從簡化藥物開發到機器人輔助手術,再涉及至全球任何的供應商,皆可即時存取自動化的醫療記錄。 AI/ML 正迅速地被各產業與使用者採用。消費性產品品牌商採用其技術,於社群媒體上挖掘資訊,以了解客戶對其產品的看法 (包含情緒分析),為投資者提供股票交易機會 (金融演算法交易),並使電子商務平台可為線上購物者提供更個人化的產品 (自動推薦功能)。

在 Ansys,我們可以使用 AI/ML 方法自動找出模擬參數,以同步提高速度和準確度。

我們可以透過資料驅動或有物理根據的方法訓練神經網路,使用增強模擬以提高模擬速度高達 100 倍。

我們相信應用 AI/ML 將使我們能夠:

     
  • 進一步提高客戶的生產力。
  • 增強模擬,包括加速晶片熱解決方案和開發流體求解器,將局部區域的高傳真解決方案與粗糙區域的 ML 方法相結合。
  • 最佳化設計空間探索。
  • 推動商業智慧決策,例如我們求解器的資源預測需求。
  • 結合資料分析型和模擬型數位孿生,以建立準確、快速的數位孿生混合體。
 

換句話說,我們相信 AI/ML 將協助我們縮小理想世界 (在理想世界中,時間、工作、效率和結果之間將完美平衡) 與現實生活中之間的差距。使我們得以在模擬的生產力、易用性和準確性之間做出更少的取捨。

如需有關 Ansys 計劃使用 AI/ML 改善其求解器技術的更多資訊,請瀏覽 Prith Banerjee 的簡報,並可於 NVIDIA GTC 會議中註冊參與會議。

查看 Ansys 的服務與產品

立即聯絡我們

* = 必填欄位

感謝您聯絡我們!

We’re here to answer your questions and look forward to speaking with you. A member of our Ansys sales team will contact you shortly.

Footer Image