AI和ML如何改变模拟

在过去的50年里，工程模拟领域已经开发出数值方法，使工程师能够更快，更容易地解决3D物理问题，具有更高的精度和更强大的结果。有限元分析(FEA)、有限体积法(FVM)和有限不同时域法(FDTD)提高了求解器的效率，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，但仍存在一些挑战。具体来说，模拟需要同时权衡:

1.结果的准确性

2.结果的速度

3.工作流程的易用性

4.工作流的健壮性

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，使用更粗的网格可以提高仿真速度，但会导致精度的损失。类似地，简单网格的易于使用的工作流也会降低精度，并可能引入其他问题，例如如果模拟不收敛并且鲁棒性失败。

Ansys正在探索利用人工智能/机器学习(AI/ML)解决所有这些问题。

同时改进

人工智能的商业化始于20世纪70年代，但实际上，随着基于规则的专家系统的发展，该领域早在10年前就开始了。作为最简单的人工智能形式，这些系统依靠精心策划的人类专业知识来解决通常需要人类智能的问题。

我们期望AI/ML应用程序将积极用于科学和医学，从简化药物发现到机器人辅助手术，再到世界上任何地方的提供者都可以即时访问的自动医疗记录。但AI/ML正迅速被越来越广泛的行业和用户成功采用。它正在帮助消费者品牌挖掘社交媒体，以了解消费者对其产品的感受(情绪分析)，为投资者提供股票交易机会(金融算法交易)，并使电子商务所有者能够为在线购物者提供个性化产品(推荐引擎)。

在Ansys中，我们可以使用AI/ML方法自动查找仿真参数，同时提高速度和精度。

我们可以使用增强模拟，通过数据驱动或物理信息方法训练神经网络，将模拟速度提高100倍。

我们相信应用AI/ML将使我们能够:

• 进一步提高客户生产力。
• 增强模拟，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解决方案与粗糙区域的ML方法相结合。
• 优化设计空间探索。
• 驱动业务智能决策，例如求解器的资源预测需求。
• 结合基于数据分析和基于仿真的数字孪生，创建准确、快速的数字孪生混合体。

换句话说，我们相信AI/ML将帮助我们缩小理想世界(时间、努力、效率和结果完美平衡)与现实生活之间的差距。它将使我们能够使仿真生产力，易用性和准确性少一点权衡。

欲了解更多Ansys计划使用AI/ML来改进其求解器技术，请注册Prith Banerjee的演讲在NVIDIA GTC大会．