从芯片到船舶：利用Ansys SimAI平台优化设计

无论您从事何种职业或行业，都需要了解一个当代的普适性“真理”：人工智能（AI）有望改变您的工作流程（如果尚未改变）。尤其是对于工程师、设计人员以及其他将仿真整合在设计和开发中以优化产品的人员而言，AI将带来进一步增强这一优化的独特机会。

通过将AI的强大功能与云计算相结合，Ansys基于AI的最新技术Ansys SimAI平台将帮助您快速实现更高的创新水平。凭借SimAI物理场中立的云原生平台，您不仅可使用之前生成的Ansys数据或非Ansys数据训练AI模型，而且还可在几分钟内评估新设计在电子、结构以及流体等广泛工程领域的性能。

软件即服务（SaaS）应用通过云端将Ansys仿真的预测准确性与生成式AI的速度完美结合。这一结合，可在计算密集型项目的所有设计阶段将模型性能提高10~100倍。我们来探讨一下SimAI应用如何在四种不同的场景中优化从芯片到船舶的设计。

增强芯片设计

芯片设计需要复杂的工程，其通常涉及非线性的非预期的行为。仿真分析通常可针对电气、热和结构特性提供非常重要的洞察信息，不仅可为设计提供信息，而且还可提高效率，加速开发并确保验证。然而，对于快速的设计迭代，即使是最稳健的仿真工作流程，也显得耗时、阻碍进程。

最近，一个寻求更快方法探索芯片设计的团队就遇到了这种情况。由于依赖于域离散化以及芯片建模所需的单元数，他们现有的方法使其工作进展缓慢。同时，现有的方法提供的可扩展性也有限。无论是模型的细微变化还是流程的暂缓，都明显增加了仿真时间。此外，还很难有效表示和映射空间分布的不确定性和芯片参数的变化，其中包括裸片尺寸和传热系数（HTC）值。

通过集成Ansys Mechanical参数化设计语言（MAPDL）和SimAI工具，该团队能够克服重重困难，在设计流程的早期阶段评估芯片的热可靠性，并加速其工作流程。MAPDL是一种与Ansys Mechanical有限元分析（FEA）求解器交互的脚本语言，不仅可为仿真任务实现自动化，而且还可优化工作流程。

实际上，SimAI应用只需三个简单的步骤：上传数据、训练AI模型和预测。该团队利用来自Ansys Mechanical的仿真结果，基于2,250种不同的芯片热仿真数据集创建了一款AI模型。通过这一洞察信息，该应用在一分钟内快速预测了温度分布图。结果显示，实际温度值和预测值之间的最大温差不足0.5%。可见，AI预测准确定位了热临界位置。

SimAI工具对于芯片设计和热可靠性评估的主要优势包括：

• 快速评估片上热解决方案，比常规仿真技术约快20倍；加快对各种系统场景的分析。
• 设计更改中更快速的一致性温度图预测，速度大约提高20 ~80倍。
• 消除繁琐的自适应体积网格划分任务。
• 缩短下一代芯片设计的开发生命周期。

增压发动机支架

在航空航天应用中，结构分析与空气动力学评估同等重要，即使对于最小的部件也是如此。比如，喷气式发动机支架，也称负载支架。与发动机本身相比，它们可能看起来很渺小，但却必不可少，因为它们支撑着发动机的重量。

因此，开发符合重量和鲁棒性结构要求并满足约束条件的新型喷气式发动机支架设计，是一个极具挑战性的过程。在该项工作中，参考现有设计非常有用，可从之前的项目中汲取知识。SimAI应用也有助于实现该工作流程。

利用多工具工作流程（包括Ansys Discovery 3D设计建模及Ansys optiSLang流程整合以及设计优化软件的功能） ，一个团队通过大约250个训练样本构建了一款AI模型，其中包括拓扑多样化的不同支架设计。他们借助过去仿真的洞察信息，通过该应用在几秒钟内预测了新形状的行为。对于未来项目，可使用不同设计重新训练相同的AI模型，以捕获新的洞察信息。

Discovery 3D建模软件无需训练，即可在第一次尝试时准确快速地对所有设计进行仿真。SimAI应用可在已仿真的设计空间中提供极速预测，以帮助针对所应用的场景进行优化、大小调整和选择。同时利用Discovery和SimAI平台，工程师可生成准确的数据，丰富训练流程并为未来产品行为带来深入洞察信息。

SimAI应用对于喷气式发动机支架设计的主要优势包括：

• 零废料，材料使用更少。充分发掘过去设计的价值，因为即使是从失败的设计中，也可获取知识。
• 工作流程锐减90%，能够在计算机辅助设计（CAD）和多物理场仿真之间轻松切换。
• 包括非专业人员在内的所有团队成员均可访问。在AI指导的支持下，团队成员不再需要深度物理场知识。

提高汽车空气动力学性能

随着全球环境问题的日益严重，汽车制造商必须满足日益增长的减少二氧化碳（CO₂）排放的需求。许多减排计划和指南，如全球统一轻型车辆测试程序（WLTP），都要求汽车制造商为新车型评估所有设计变体的空气动力学性能。

遗憾的是，风洞试验是一种缓慢且成本高昂的解决方案，然而，我们其实需要加速研发以推动下一代电动汽车的发展。因此，更快地仿真预测空气动力学性能，对于满足要求以及保持竞争力和低成本至关重要。

在本案例中，SimAI平台与Ansys Fluent计算流体力学（CFD）软件配合使用，评估了运动型多功能车（SUV）的空气动力学性能。该团队使用大约50个CFD结果创建了一款AI模型，其中包括汽车外形变化和拓扑变化，例如后视镜、滑雪架和扰流板。在基于AI的应用的支持下，对新款SUV几何模型的预测，一分钟内就完成了。此外，该应用的阻力误差结果与CFD结果相比，差值不足0.5%。此外，还针对流动特征生成了准确的预测，包括表面摩擦场和尾流拓扑等。

SimAI平台对于汽车空气动力学评估的主要优势包括：

• 增加了设计备选方案评估（比传统仿真方法多20倍），设计优化更快。
• 利用早期设计阶段或前几代汽车所使用的CFD仿真，即使在几何结构不一致的情况下，也能在设计变更时加快并一致预测空气动力性能，并且将预测速度提高10~100倍。
• “左移仿真”（即在流程早期纳入仿真），不仅可加快设计进程，而且还能降低成本。这有助于设计人员在所有设计阶段，都纳入意义深远的快速空气动力学预测。

为船体设计提供信息并加快速度

与汽车产业一样，航运公司也被要求减少排放。一个示例是，国际海事组织（IMO）在推动减少国际航运的排放。实现该目标的一种方法是，通过优化船体形状来降低船舶阻力，从而直接提高能效并节省燃料。然而，这需要快速高效的仿真来同时评估有大量具有不同变量的多个船体设计。

利用SimAI工具，工程师使用288个CFD结果创建了一款AI模型，这些结果包括船体形状变化和操作条件，如吃水深度和航速。结果是，该工具不到一分钟便预测了全新优化船体的几何结构。此外，与CFD仿真结果相比，该工具的阻力误差结果不足5%，波形预测完全准确。

SimAI工具在船体设计中的主要优势包括：

• 新船体设计的性能评估速度更快，无需耗费数天，几分钟即可完成。
• 在设计早期阶段做出明智的决策。
• 为设计探索等增值任务节省时间，从而争取到更多用于创新的时间。

如欲了解更多详情，请下载白皮书《 SimAI如何帮助改进船体设计》。

采用AI提供支持的仿真

AI和机器学习（ML）方法正在被应用于半导体、航空航天、汽车和海事等广泛行业的设计和开发。将AI/ML与仿真及计算机辅助工程（CAE）相结合，不同领域的团队可更快、更准确地解决多物理场和工程难题，从而增强设计探索与优化。如前文所示，这种AI/ML提供支持的优化可提高效率、节省成本并最终改进产品。

SimAI应用可帮助工程师和设计人员利用他们之前的仿真和测量数据来训练和构建替代AI模型。使用这样的AI模型，他们可加快设计进程，无需再耗费数小时或数天，几分钟即可完成评估工作。

如欲进一步了解该平台如何优化您从芯片到船舶的各种设计，请注册参加即将举办的网络研讨会系列“AI助力加速仿真”。