Ansys博客
March 6, 2024
AI与仿真技术的交融
自上个世纪中期以来，科学家和工程师已通过仿真来测试、验证并改进其设计。对于每个模型，仿真软件都会生成合成数据——数百万次关于哪些可行、哪些不可行的计算。如今，人工智能（AI）正在将这些学习与实时洞察相结合以创造更多可能性，从而实现之前难以想象的、更快速且更易使用的仿真。
与仿真相结合的人工智能，可切实为工程设计带来优势
将AI与仿真相结合，有哪些优势？
过去，在需要个人工程师手动运行仿真时，设计开发曾受到仿真速度和准确性的限制。复杂系统建模需要大量时间和专业技术，因此可能会拖延进度。如今，AI增强仿真可加速各行各业的设计与优化，尤其是在精度和效率至关重要的行业，如汽车、航空航天、电子产品与材料科学等。
AI增强仿真的特点是：
- 速度更快：AI可分析过去的仿真记录，在快速识别复杂模式的同时，结合新信息来审查数据内在关系。
- 易用性更高：AI可通过基于Web的用户友好型应用程序，让非专业人士也能更容易地使用仿真，进而普及仿真的使用。
- 更全面：AI仿真有助于多个模型的整合，提供对复杂系统的全面表征。
- 持续改进：AI和仿真支持的迭代工程流程，有助于工程师以更大的自由度改进其设计。
AI可助力面向更广泛工程领域的从业者普及仿真
训练AI如何实现快速预测
AI需要足够“聪明”，才能发挥作用。数据仿真被广泛用于训练各领域的AI。
人们将仿真数据从过去的仿真记录中提取出来，然后基于所关注的领域输入到AI系统。例如，如果AI正在学习集成电路，用户会将电路板的性能结果加载到软件中。
应用于3D物理场的创成式AI，可利用先前从基于物理场的求解器生成的仿真结果训练AI模型，并提供更快的预测。与现有降阶建模（ROM）方法相比，数据驱动型方法的一大进步是，工程师无需将其几何结构参数化，便可构建AI模型。因此，即使几何结构不一致，性能预测也可在设计修改过程中完成。
在仿真过程中，将几何结构的设计变量输入到AI，即可立刻得到物理场性能的预测。这不仅可大幅提高设计迭代、探索和优化的效率，而且还可使设计人员、系统工程师以及其他专家等更广泛工程领域的从业者能更容易地使用仿真技术。
此外，基于物理场的传统求解方法，还可被应用于通过全保真度仿真验证选定的最佳设计。
AI与仿真技术的未来
AI与仿真的互利关系将继续提高工程师与设计人员的效率。随着这两项技术在各行业和应用中的运用越来越广泛，其在工程领域之外的广泛应用，将进一步加速人类的进步。随着越来越多的人将这些强大的工具结合在一起、充分发挥预测功能，我们的发展潜力将呈指数级增长。
将AI和仿真结合在一起的其中一个示例，是Ansys产品系列最近新增的成员——Ansys SimAI，这是一款机器学习平台，面向希望在各设计阶段快速探索和预测新概念性能的工程师。SimAI不仅提供可靠的快速结果，而且还可通过用户友好型云原生应用程序进行访问。
Ansys SimAI可利用过去的数据预测新设计的性能
了解Ansys如何突破AI的极限。