概述
了解从设计师到分析师的工程师如何:
- 将 AI 和机器学习整合到 CAD、CAE 和 CFD 工作流程中
- 使用直观的无代码工作流程训练、验证和部署 AI 代理模型
- 预测标量、矢量和全场结果的速度比传统解算器快 1000 倍
- 通过 AI 引导的优化探索广阔的设计空间
- 使用降阶建模构建和部署数字双胞胎
了解从设计师到分析师的工程师如何:
跨结构、热、流体、制造和电磁领域的传统求解器是计算密集型的,这会减缓创新。根据仿真数据训练的几何深度学习模型直接在网格和 CAD 模型上运行,在几秒钟内提供完整的 3D 现场结果。工程师无需专业的人工智能专业知识即可实时评估设计并进行优化研究。

传统的设计探索需要大量时间,有可能无法获得最佳结果。SHERPA 算法——混合、自适应和 AI 增强型,可从仿真和测试数据中学习,在复杂的设计空间中导航。它支持多学科设计优化 (MDO),跨工程领域进行同步,以识别高性能设计,发现更好的折衷方案,更快地做出自信的决策。

高保真 FEA、CFD 和 DEM 模型需要大量的计算资源和时间。降阶建模使用正确正交分解 (POD)、Krylov 和神经网络方法将这些模型的复杂性简化为超快速、准确的表示。通过 FMI、ONNX 或 C 代码导出可在不牺牲精度的前提下无缝集成到系统仿真和数字双胞胎中。

静态模型无法跟上现实世界的复杂性。可执行的数字双胞胎将基于物理学、人工智能和降阶模型打包成可移植、独立的实例,可在边缘、云端或现场部署。通过持续镜像物理资产,xDT 支持实时性能监控和预测性维护,使工程师能够在整个产品生命周期中做出数据驱动的决策。
探索 Simcenter Digital Twin Gateway
