怎么用dw英文版做网站,做促销的网站,外贸网站开发推广,dede手机网站模版在当今快速发展的技术领域#xff0c;人工智能#xff08;AI#xff09;、机器学习和深度学习等技术已经成为推动工程仿真和设计创新的关键力量。Altair技术经理张晨在Altair “AI FOR ENGINEERS”线下研讨会上发表了相关精彩演讲#xff0c;本文摘自演讲内容#xff0c;与…在当今快速发展的技术领域人工智能AI、机器学习和深度学习等技术已经成为推动工程仿真和设计创新的关键力量。Altair技术经理张晨在Altair “AI FOR ENGINEERS”线下研讨会上发表了相关精彩演讲本文摘自演讲内容与大家共同探讨AI技术如何与工程仿真相结合以及这些技术如何帮助企业加速进行产品创新和优化设计流程。 Altair作为计算智能领域的先锋致力于帮助企业利用数字孪生、智能模型以及仿真、HPC高性能计算和AI的融合来预测和优化系统结果。 我们希望通过Altair平台帮助大家通往数字化所以Altair除了提供HyperWorks等工具级的产品让大家可以通过这些产品做仿真、建模之外还提供了数据科学平台“RapidMiner”帮助大家实现后续的数据分析探索数据之间的相互关系. AltairOne作为Altair面向用户的统一门户通过集成仿真、HPC和数据科学三大套件形成了从仿真到HPC再到数据科学的完整链路。用户可以通过网络访问AltairOne也可以将AltairOne部署在企业内部的私有云上。 现在大家经常提到人工智能、机器学习和深度学习的概念这些概念底层都是数据通过一些学习的方法训练近似模型或者寻找数据规律。模型训练完成之后我们希望训练模型模拟人的行为做出反馈称之为人工智能。 从这些概念的定位看最基础的一环就是数据。整个产品生命周期的各个环节都会产生非常多数据无论是研发端、测试端、生产端还是运维过程中。各个环节的数据利用起来就能解决不同的问题比如仿真、工程测试、预测性维护、现场面向运营的数字孪生应用等。 那么我们为什么需要工程数据科学因为从仿真角度或者研发角度我们的数据和生产线上的数据有点区别。我们的数据往往是 3D形式的因为模型本身是三维的。 我们的数据来源主要是两个方面一个是通过物理测试获得比如Excel表这种数据。另外一方面是通过仿真产生大量不同格式的数据有的是表格有的是云图有的是曲线。我们希望辅助仿真工程师把这些数据利用起来最后实现场景的落地比如做云图的预测、系统模型降阶、形状识别生成优化设计等。 关于Altair AI的技术融合主要可以从3个方面展开零代码、端到端、面向大众的数据科学和AI平台基于AI和经典系统理论的模型降阶数字孪生关键技术HyperMesh中的AI技术集成助力仿真提效 1、零代码、端到端、面向大众的数据科学和AI平台-RapidMiner RapidMiner是面向大众的数据分析和AI平台最大的特点是工作流程非常简洁主要是模块化拖动的操作形式。另外它有自动数据科学的功能集成了市面上大部分的机器学习方法比如深度学习、神经网络等160多种学习方法。学习的模型也支持非常开放的部署方式可以部署到云端共享给客户也可以导出一些代码作为部署的源头。 使用RapidMiner处理数据科学问题先要进行数据的结构化处理。这种处理方法非常多可以用HyperStudy通过DOE实现也可以通过专门做数据清洗的工具Monarch实现。当你拥有这些结构化的数据之后就可以使用RapidMiner里机器学习的方法实现模型训练、优化、预测等功能。 RapidMiner的深度学习有很多好的应用案例可以实现利用数据驱动仿真效率的加速。比如散热片的尺寸参数变化会导致流体仿真性能有区别如温度的变化、风压损失的不同等解决这些问题就可以用HyperStudy DOE功能跑不同参数组合生成计算模型获得计算结果最后形成一张详细的表格。 有了这个表就可以给到RapidMiner通过它的学习方法探索性能和变量之间的关系。通过拖拽式的框图即可非常简单的搭建流程学习模型。后续有新的变量组合即可预测风压损失、最大温度等指标还可以基于学习模型做寻优得出最佳高度、厚度等参数信息。 2.基于AI和经典系统理论的模型降阶数字孪生关键技术 以往研究问题要么做实验要么做仿真但是现在如果已经有以往的经验就可以用romAI技术做模型的降阶了。 降阶模型的应用场景非常多比如数字孪生里给一个新的输入要立马知道输出的场景就可以用romAI的降阶模型代替实际模型。或者在一些多学科优化、多学科仿真计算时间非常长遇到需要减少计算量的问题就可以通过降阶模型把时间降下来。 romAI模型有不同的输出可以输出一些通用格式放到系统仿真的产品里。这个本身是一个多学科的问题比如车在行驶的时候是机构运动铲斗在铲物料的时候是一个离散元的问题液压装置的控制又是一个液压的问题如果要去跑一个多学科偶合的仿真计算计算量非常大。 这里最花时间的就是离散元仿真我们通过调整不同的铲斗速度、角度去计算散料对于铲斗的载荷最终从结果里面整理出一张详细的表格。这个表就可以作为降阶模型的输入做了降阶之后就可以把离散元这个学科拿掉直接通过romAI降阶模型快速反馈相当于一个学科通过降阶模型被替代了能够大范围的降低计算量节省非常多的计算时间。之前跑一次要600多秒现在只要20多秒精度基本达到98%以上。 3. HyperMesh集成AI技术助力仿真提效 随着技术的发展HyperMech里面集成了非常多AI应用帮助我们提高仿真的效率。 Design Explorer Design Explorer非常类似于HyperStudy我们把HyperStudy的功能移植到了Hyper Mesh里。用过多学科软件的都知道软件往往可视化或者交互式都不太好而HyperMesh本身就是一个可视化环境可以直接对着模型交互而且做完DOE以后DOE的结果都可以云图可视化。另外Design Explorer移植到HyperMesh上做了一个比较有吸引力的事情基于对DOE结果的自动机器学习可以实现标量的预测、曲线的预测或者云图的预测。 2024年Design Explore还会增加生成式设计可以把制造约束作为DOE的变量比如设置多种拔模方向、多种对称条件等生成式设计可以批量生成不同拓扑优化结果然后自动将优化结果做聚类推荐一类最优设计模型。 ExpertAI ExpertAI是把难以量化的模式通过基于AI的聚类方式把模式做一个分类。 比如想要优化铸造过程的性能优化的变量选择铸造的入口当入口有不同的位置和间隔时铸造流动的均匀性是不一样的。ExpertAI可以把云图的模式作为约束条件考虑进来。通过一些DOE的计算对铸造的云图模式做聚类选择符合预期的最优模式。 PhysicsAI PhysicsAI也是集成在HyperMesh里的一个AI应用它的输入不是表格而是以往历史仿真数据的云图结果。PhysicsAI学习完了以后当你给到一个新的设计就可以在上面预测云图了。它所用的技术叫几何深度学习特点是不需要做模型参数化而且是桌面级的可以进行本地化模型训练支持GPU加速训练。 我们可以看一些具体的用户案例比如用户做的后备箱地板云图预测用户准备了36个以往的仿真云图结果作为学习模型另外准备10组做验证最终预测结果跟实际求解器验证的结果匹配得非常好。 PhysicsAI并不是只能做结构分析而是学科中立的。不管流体、电磁包括热都是可以的行业也没有限制包括航空、汽车、船舶都可以。另外PhysicsAI学习的模型可以导出来作为一个类似于黑箱的形式嵌入到多学科优化的环境里做多学科优化。 另外Physics AI增加了一些新功能可以嵌入在Inspire里做实时的几何调整实时预测新的几何云图分布包含外形、材料、厚度、载荷等全局参数帮助我们更快更好更方便地进行工程仿真和设计创新。 总结一下Physics AI常见的应用场景 特征参数难以提取难以参数化的场景 拥有历史积累的仿真数据或者DOE生成 静态或者瞬态云图预测需求 需要注意的是目前仅支持h3d文件输入其他结果格式需要通过HvTrans或Compose转换。 最后希望大家可以在仿真的各个阶段都能引入AI技术加速产品的创新。比如前期AI加速建模求解的时候做快速的近似模型模型的降阶生成优化设计等都可以用到前面介绍的Altair产品。 关于 Altair RapidMiner
Altair RapidMiner 数据分析与人工智能平台是 Altair 澳汰尔公司旗下仿真、HPC 和数据分析三块主营业务中的解决方案它在数据分析领域最早实现将自动化数据科学、文本分析、自动特征工程和深度学习等多种功能同时集成的一站式数据分析平台帮助用户解决从数据清洗、准备、数据科学建模到模型管理和部署同时又支持数据和流数据的实时分析可视化的数据分析平台。 欲了解更多信息欢迎关注公众号Altair RapidMiner
