什么是CAE?
传统CAE有限元分析技术是通过将三维实体结构进行离散转换为数学模型,然后基于理论算法得到特定边界条件下的一个近似解的数值分析技术。这个过程需要有完备的理论支撑,同时还需要有强大的硬件支撑。
什么是AI?
AI其实不能被称作一项新技术,因为早在1943年就已经开始有人提出相关理论及实现方法,只不过受限于当时的技术条件及硬件限制,没有近几年发展这么迅速而已。
简单来说当前我们所熟悉的AI技术只不过是在合适的时间,合适的环境下催生的又一个风口。
AI的发展史可参考前期文章:
人工智能|AI发展史 1943-2024一场科技革命即将进入高潮
那么对于CAE来说,AI到底能做什么呢?
① 多学科优化:
AI在CAE中的应用不仅限于单一学科的仿真,还可以实现多学科的优化。例如,利用机器学习算法代替传统的响应面拟合方法,进行设计优化(如HyperStudy,Isight,Optimus)。
② 数据驱动的设计:
在制造业中,AI和数据科学可以帮助企业更好更快速地优化产品设计、缩短开发周期。
③ 数字孪生技术:
数字孪生技术结合CAE,可以在数字空间中实时构建物理对象的精准数字化映射,通过分析预测形成最佳方案。
④ 云化和SaaS化:
CAE软件的云化和SaaS化是未来的一个重要趋势,这可以解决企业在求解过程中对算力和硬件的高需求,提升工业流程效率,并易于数据存储和用户协作。
⑤ 跨尺度建模:
AI技术可以在多个尺度上进行降维,例如在亚网格尺度、物理场尺度和设计优化的反问题维度上,进行精确模拟和优化。
⑥ 智能混合引擎:
深度学习与数值模拟的结合,可以构建智能混合引擎,利用数值模拟得到的历史数据进行伴随训练,实现模型的不断进化。
⑦ 垂直场景应用:
AI在CAE中的应用也趋向于面向垂直场景,特别是在专用应用场景中,AI的降维模型可以更好地利用低维度和高效率优势,同时在专业场景中展现出更好的精确性。
AI拥有如此多的优势,那它能颠覆目前CAE行业现状吗?会让我们提前退休吗?
答案是否定的,有如下几点原因:
① AI预测的结果相比于传统CAE分析误差更大。原因在于AI生成的结果是基于大量的样本学习预测的,样本的输入条件为网格节点及基对应的边界条件和分析结果。当模型量过于庞大时,变量太多,AI可能无法预测出一个合理的结果。
② AI预测的结果仅可以作为前期快速迭代方案时的一个参考数据,因为AI的测精度必定是不及传统人工建模分析所得到的结果精度,而且受限于学习样本质量的限制,有时预测的结果甚至是不符合预期的。
③ CAE属于工程技术的一种,对模型的简化需要一定的工程经验,在工程问题简化的维度上,AI不一定能达到和成熟CAE工程师一样的水平。
④ AI给出的优化方案有可能无法工程化,就像现在应用成熟的拓扑优化方法,出来的结果仍需要人工解读并结合具体工程实际去制作一个可工程化的方案。