SIMULIA的人工智能方法有什么独特之处？

我们采访了 SIMULIA 研发中生成式体验角色组合总监 Christina Feist，探讨人工智能（AI）、机器学习（ML）及其对 SIMULIA 模拟用户的意义。

人工智能的发展影响着社会和行业的每一个角落，这也包括模拟。工程师们长期以来一直在模拟中利用机器学习技术，但硬件和技术的最新进步开启了由人工智能和机器学习驱动的创新新潜力。

Christina Feist，生成式体验职位组合总监SIMULIA研发部门，她在工作中使用人工智能和机器学习，支持模拟用户群体，并将其转化为使工作更便捷的人工智能工具。

借助人工智能的力量加快设计周期

每次设计迭代时，都需要再次分析，以了解设计变更的影响。这种重新分析时间可能限制设计流程的速度和可重复次数。

SIMULIA 正在提供虚拟孪生物理行为模型，以加速开发并实现更快的分析。费斯特说，它们基于通过机器学习训练的模拟数据替代模型，能够“几乎实时地预测行为”。“评估设计方案所需的时间大幅缩短，团队可以探索更多概念，更有信心迭代，并比单靠传统仿真更快地汇聚出更高效的设计。”

使人工智能融入仿真工作流程

SIMULIA方法不是使用断开的AI工具和孤立的数据存储，而是将机器学习整合进仿真过程本身。费斯特解释道：“我们不再需要简化物理原理来让模拟变得可接近。”“相反，人工智能带来了更直观、更有指导性的体验，且依然扎根于高保真工程。”

虚拟孪生物理行为运行在3D体验平台并基于成熟且经过验证的SIMULIA技术数据构建。该工具将仿真与建模连接起来（MODSIM).“结果是一个更具包容性的仿真环境，面向更广泛的用户，同时支持复杂的工作流程。”

知识与专注

在开发团队中实施仿真时，最大的挑战之一是民主化：确保每个需要仿真的人都能使用。为了实现成功的仿真，求解器和仿真环境必须设置正确的设置，这通常需要用户具备专业知识。费斯特补充说，人工智能“降低了传统上使仿真难以在专门仿真部门之外部署的障碍。”

通过虚拟孪生物理行为，仿真技术被封装在由专业仿真分析师训练的模型中。“这些方法论已成为工作流程的内在部分，而非用户必须学习或手动复制的东西。用户可以期待一个更全面、协作、以性能为驱动的工作流程，“Feist说。“设计师更有信心，分析师在更多设计周期中放大他们的专业知识。

安全人工智能保护敏感知识产权

随着用户对AI工具工作原理的了解加深，知识产权问题变得愈发紧迫。培训过程中不应泄露机密数据，模型输出也不应侵犯其他公司的受保护知识产权。SIMULIA 在 AI 中采用独特的客户数据管理方法。Feist解释道：“我们的做法是像对待传统仿真数据一样对待它们——作为客户的知识产权。”

“这些模型在安全的环境中训练，具备完整的3DEXPERIENCE平台可追溯性，仅使用客户选择的数据集，且不进行跨组织交叉学习。”这意味着数据在3DEXPERIENCE平台上受到监管并完全可审计，使用户能够确保其数据来源的准确性。“客户可以在保持其工程数据的保密性、完整性和受控使用的同时，享受人工智能和机器学习的益处。”

主要要点

• Virtual Twin Physics Behavior 利用人工智能的力量构建基于 SIMULIA 模拟数据训练的机器学习模型。

• 虚拟孪生物理行为基于3DEXPERIENCE平台，允许用户利用SIMULIA系列中业界领先的物理仿真工具的强大与准确性。

• Virtual Twin Physics Behavior保护用户的知识产权，并利用3DEXPERIENCE平台提供的独特可追溯性，确保数据经过全面审计且不构成侵权。

• 这将为仿真用户带来巨大益处，提高分析速度并加快上市时间。

• 它还承诺帮助希望在日常工作中使用仿真的设计师和工程师，通过封装专家专业知识，打破建模与仿真（MODSIM）之间的壁垒。