點擊立即報名 6/23 | AI/ML 驅動的天線、微波與互連器件電性能設計 講師簡介： 王曉峰 | Ansys主任應用工程師 主題簡介：AI/ML技術正在加速天線、微波及互連器件電性能設計流程的智能化升級。通過機器學習對電磁仿真結果進行快速建模與預測，在保證精度的同時可顯著減少仿真次數，提升設計效率。

這不僅減少了設計迭代次數，還有助于優化功耗、性能與面積（PPA）指標。首批采用 Multiphysics?Fusion 技術的產品將重點解決以下領域的需求： 時序簽核：集成電壓降感知與熱分析能力，可滿足極端工作條件和高可靠性要求下的時序簽核。

從自動駕駛到人形機器人，精確的仿真能減少迭代次數，并提高合成數據的純凈度。 亞德諾半導體（ADI）基于英偉達 Omniverse 庫構建的 Isaac Sim? 環境，現已融入新思科技的物理學技術進行增強。ADI 正利用 Isaac Sim 為其觸覺傳感原型和飛行時間視覺系統生成高保真仿真模型，并構建下一代機器人靈巧性基準測試的數字孿生模型。

將其與Speos軟件結合使用，Weselake能夠獲得執行復雜光學仿真所需的計算能力，從而增加設計迭代次數，更快地解決挑戰。此外，其還使得在同一天進行快速、臨時的測試運行成為可能，Weselake認為，這是一個巨大的優勢。 “借助這一設置，我能夠使用NVIDIA GPU加速計算以300倍的速度運行更多種類材料的仿真。我可以創建演示、比較強度，并對眩光和反射的材料選項進行排序。

根據該分析結果，AMOP會自動運行新的仿真，以供未來的設計迭代使用。通過這種方式，AMOP在需要的地方重新定義DOE，以實現最佳元模型質量，從而減少手動輸入和仿真次數。 同樣，OCO采用MOP理念不僅是為了選擇最佳元模型，還可以選擇最佳優化方法。就像MOP的元模型篩選規則一樣，OCO會將多種優化策略相互對比，以確定最優的方案。

仿真驗證：FDTD方法揭示光學性能 為精準評估濾波器性能，研究采用時域有限差分法（FDTD）進行仿真，選用Ansys Lumerical FDTD solver。FDTD是求解麥克斯韋方程組的強大工具，能在時間和空間域中精確模擬電磁波與結構化材料的相互作用，其核心是基于Yee算法對麥克斯韋旋度方程進行離散化迭代求解。

某新能源企業反饋，通過技術鄰培訓，電池包熱仿真項目周期從15天縮短至7天，成功趕上產品迭代節點，避免因研發滯后導致的市場錯失風險。數據顯示，技術鄰培訓能為企業節省80%的無效學習時間，讓工程師聚焦核心項目推進。

接下來，他們需要創建3D幾何結構，并使用通用計算流體力學（CFD）工具（如Ansys Fluent流體仿真軟件），或專用于渦輪機械的CFD平臺（如Ansys CFX軟件）。工程師使用此類工具來指導改進3D幾何結構，以便在多種工況下優化流體流動的能量提取。葉片設計是一個隨著時間的推移而不斷改進的迭代過程。

條目“Convergence limits”控制迭代計算程序的收斂，在熱分析時，默認值是1.0E-7，就是說如果最高溫度的前七位數字沒有變化，就停止編碼。在結構分析時的邊界限定與節點位移的最大絕對值有關。 不考慮收斂邊界的話，當迭代次數超過輸入到“Maximum number of iterations”里的數字時，迭代過程也就停止了。

在Discovery中，無需網格劃分即可以實現仿真結果隨設計變更實時更新，讓工程師在設計早期輕松完成多次設計迭代，快速接近最優解決方案，大幅縮短仿真時間，避免過度設計，減少物理樣機實驗次數。