Ansys博客
April 13, 2021
AI和ML如何改变仿真
在过去50年里，工程仿真领域采用数值方法，使工程师能够更快、更轻松地求解3D物理问题，同时实现更高精度和更可靠的结果。有限元分析（FEA）、有限体积法（FVM）和时域有限差分法（FDTD）提高了求解器效率，而动态可视化技术则改善了通常所说的用户友好性。
尽管取得了这些进步，但仍然存在某些挑战。具体而言，仿真需要同时权衡：
1. 结果的准确性
2. 生成结果的速度
3. 工作流程的易用性
4. 工作流程的鲁棒性
以网格生成为例，它是多物理场解决方案的构建模块。众所周知，使用较粗糙的网格可提升仿真速度，但会导致精度下降。同样，网格更简单且易于使用的工作流程也会降低精度，并可能带来其他问题，例如仿真不收敛和鲁棒性失效。
Ansys正在探索如何使用人工智能/机器学习（AI/ML）来解决所有这些问题。
同步改进
人工智能的商业化始于20世纪70年代，但随着基于规则的专家系统的开发，该领域实际上早在十年前就开始对人工智能进行商业化应用了。作为最简单的AI形式，这些系统依靠精心策划的人类专业技术来解决通常需要人工智能才能解决的问题。
我们预计，AI/ML应用将广泛应用于科学和医学领域，从简化药物发现到机器人辅助手术，再到世界各地的供应商都可以即时访问的自动化医疗记录。而AI/ML也在迅速被越来越多的行业和用户成功采用。它将帮助消费者品牌挖掘他们的社交媒体，以了解客户对其产品的感受（情绪分析），为投资者在股票交易机会中助一臂之力（金融算法交易），并帮助电子商务所有者为网络消费者提供个性化服务（推荐引擎）。
在Ansys，我们可以使用AI/ML方法自动查找仿真参数，同时提高速度和准确性。
我们可以利用增强仿真，通过数据驱动方法或基于物理的方法训练神经网络，将仿真速度提高100倍。
我们相信，利用AI/ML将使我们能够：
- 进一步提高客户生产力。
- 增强仿真，包括加速芯片热解决方案和开发流体求解器，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。
- 优化设计空间探索。
- 推动商业智能决策，例如求解器的资源预测需求。
- 将基于数据分析和基于仿真的数字孪生结合起来，创建准确、快速的混合数字孪生。
换言之，我们相信AI/ML将帮助我们缩小理想世界（时间、精力、效率和结果完美平衡）与现实生活之间的差距。它将使我们能够减少仿真效率、易用性和准确性之间的权衡工作。
如欲了解Ansys计划采用AI/ML改进其求解器技术的更多详情，欢迎注册观看NVIDIA GTC大会上Prith Banerjee的精彩演讲。