Cách AI và ML đang thay đổi mô phỏng

Những thách thức đối với mô phỏng

Trong hơn 50 năm qua, lĩnh vực mô phỏng kỹ thuật đã phát triển các phương pháp số cho phép các kỹ sư giải quyết các bài toán vật lý 3D nhanh hơn và dễ dàng hơn, với độ chính xác cao hơn và kết quả thiết thực hơn. Phân tích phần tử hữu hạn (FEA), các phương pháp thể tích hữu hạn (FVM) và phương pháp sai phân hữu hạn trong miền thời gian (FDTD) đã tăng hiệu quả của bộ giải trong khi các kỹ thuật trực quan hóa động cải thiện những gì thường được gọi là thân thiện với người dùng. 

Bất chấp những cải tiến này, một số thách thức vẫn còn. Cụ thể, mô phỏng yêu cầu cân bằng đồng thời:

1. Độ chính xác của kết quả

2. Tốc độ của kết quả

3. Tính dễ sử dụng của quy trình làm việc

4. Tính thiết thực của quy trình làm việc

Lấy ví dụ, tạo lưới, khối thiết kế của các giải pháp đa trường vật lý. Ai cũng biết rằng việc sử dụng các lưới thô hơn sẽ làm tăng tốc độ mô phỏng nhưng sẽ làm mất đi độ chính xác. Tương tự như vậy, quy trình làm việc dễ sử dụng với các lưới đơn giản hơn cũng làm giảm độ chính xác và có thể gây ra các vấn đề khác, chẳng hạn như nếu mô phỏng không hội tụ và tính thiết thực bị phá vỡ. Ansys đang khám phá việc sử dụng trí tuệ nhân tạo/máy học (AI/ML) để giải quyết tất cả những vấn đề này.

Những cải tiến đồng thời

Sự thương mại hóa AI bắt đầu từ những năm 1970, nhưng lĩnh vực này thực sự bắt đầu một thập kỷ gần đây với sự phát triển của các hệ thống chuyên môn dựa trên quy tắc. Là dạng đơn giản nhất của AI, các hệ thống này dựa vào chuyên môn của con người để giải quyết các vấn đề thường đòi hỏi trí thông minh của con người.

Chúng tôi hy vọng rằng các ứng dụng AI/ML sẽ được sử dụng tích cực trong khoa học và y học, từ việc hợp lý hóa việc khám phá thuốc đến phẫu thuật có sự hỗ trợ của rô bốt đến hồ sơ y tế tự động có thể được các nhà cung cấp ở mọi nơi trên thế giới truy cập ngay lập tức.

Nhưng AI/ML đang nhanh chóng được áp dụng thành công bởi một loạt các ngành công nghiệp và những người dùng. Nó giúp các thương hiệu tiêu dùng khai thác phương tiện truyền thông xã hội của họ để tìm hiểu cảm nhận của khách hàng về sản phẩm của họ (phân tích cảm nhận), mang lại cho các nhà đầu tư cơ hội giao dịch chứng khoán (giao dịch theo thuật toán tài chính) và cho phép các chủ sở hữu thương mại điện tử cá nhân hóa các dịch vụ cho người mua sắm trực tuyến (công cụ khuyến nghị).

Tại Ansys, chúng tôi có thể sử dụng các phương pháp AI/ML để tự động tìm các thông số mô phỏng nhằm đồng thời cải thiện tốc độ và độ chính xác. Chúng ta có thể sử dụng mô phỏng được tăng cường để tăng tốc độ mô phỏng theo hệ số 100X bằng cách đào tạo mạng nơ-ron thông qua các phương pháp hướng dữ liệu hoặc dựa trên thông tin vật lý được cung cấp. Chúng tôi tin rằng việc áp dụng AI/ML sẽ cho phép chúng tôi:

• Nâng cao hơn nữa năng suất của khách hàng.
• Mô phỏng tăng cường, bao gồm tăng tốc các giải pháp nhiệt chip và phát triển một bộ giải chất lưu kết hợp các giải pháp có độ tin cậy cao ở các vùng cục bộ với các phương pháp ML ở các vùng lưới thô.
• Khảo sát không gian thiết kế tối ưu
• Thúc đẩy các quyết định kinh doanh thông minh, chẳng hạn như nhu cầu dự đoán tài nguyên cho những bộ giải của chúng ta.
• Kết hợp dữ liệu số dựa trên phân tích và bản sao số dựa trên mô phỏng để tạo ra sự lai hóa các bản sao số chính xác và nhanh chóng.

Nói cách khác, chúng tôi tin rằng AI/ML sẽ giúp chúng ta thu hẹp khoảng cách giữa thế giới lý tưởng (nơi thời gian, nỗ lực, hiệu quả và kết quả được cân bằng hoàn hảo) và những gì xảy ra trong cuộc sống thực. Nó sẽ cho phép chúng ta cân bằng năng suất mô phỏng, tính dễ sử dụng và độ chính xác. 

Nguồn: Ansys Blog