人工智能輔助材料設計
關注創建者：匿名 創建時間：2026-01-04
人工智能輔助材料設計的視頻教程
基于深度學習的人工智能技術在工業設計領域的應用
基于深度學習的人工智能技術在工業設計領域的應用 適用人群：對人工智能和深度學習技術感興趣的設計研發人員，以及人工智能相關專業的在校學生。 基于深度學習的人工智能技術在工業設計領域的應用（免費）【已結束】 直播時間：2020-06-04 19:30 深度學習，英文名稱為Deep Learning，是近幾年人工智能領域的一類研究方向。
免費 1小時25分鐘 506播放
查看
智能輔助HUD系統的設計與仿真評估
適用人群：汽車主機廠和零部件供應商，光學工程師，設計工程師等相關人士 智能輔助HUD系統的設計與仿真評估【已結束】? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 直播時間：2020-03-24 16:00 當今汽車行業自動駕駛正在迅速發展中，在自動駕駛中最基本的輔助顯示系統就是HUD，它能在駕駛員需要不可預知的情況下接管汽車，進入手動駕駛時持續的把道路提示警告信息提供給駕駛員
免費 1小時3分鐘 453播放
查看
人工智能輔助材料設計的實例教程
2022年10月29日-30日，由《航空動力學報》主辦，北京航空航天大學能源與動力工程學院、 航空發動機研究院協辦的“2022航空發動機人工智能輔助設計論壇”在北京順利舉辦。會議主要包含：“航空發動機部體和系統的人工智能輔助設計”、“面向全生命周期的航空發動機數字孿生基礎與技術”和“航空發動機數字工程”三個主題，為高校教師、研究者與工程技術人員等提供了追蹤本領域科技前沿、分享科研成果、交流創新思想、精準對接航空產業需求的學術平臺，推動了信息化和智能化方法在航空發動機設計、制造與運維等生命周期過程中的應用，促進了航空發動機領域的學科交叉研究。
大會上，天洑軟件首席戰略官劉國威先生作了題為《智能工業設計運維一體化平臺助力中國航發數字化發展》的報告，介紹了天洑軟件在航空發動機數字化、智能化設計研發及健康管理方向的解決方案及軟件工具：包含智能熱流體仿真軟件AICFD、智能結構仿真軟件AIFEM、智能優化軟件AIPOD、智能數據建模軟件DTEmpower等。天洑軟件致力于國產化設計及運維軟件工具的開發工作，能夠為航空發動機領域提供完全自主可控的智能設計運維一體化解決方案，包括核心算法、行業應用、軟件產品及相關服務。天洑軟件融合了專家機理、基于人工智能的工業大數據分析和AI賦能的工程仿真技術，提供了完整工具鏈和完整解決方案。
展開 近些年來人工智能技術蓬勃發展，逐步與各傳統行業進行深度融合，助力傳統行業實現了經驗驅動到數字驅動的研發理念轉變，有效降低研發成本提高研發效率，加快了產品的迭代上市。?？怂箍倒I軟件旗下的Material Center、Digimat、Odyssee軟件通過搭載人工智能技術，在材料領域提出了許多全新的解決方案，帶來了材料領域應用的新變革。
本期海克斯康直播講堂請到了?？怂箍导?em>材料計算工程專家常誠為大家帶來“人工智能助力材料數據庫應用”的主題直播，從人工智能助力材料數據庫的擴展到材料性能在產品結構級別的驗證，再到材料智能推薦系統，全方位為您解讀人工智能技術在材料領域的深度應用，歡迎報名。
展開 PART.01
背景介紹
材料數據在工程設計中起著至關重要的作用，但是通過實驗測試的方法不僅成本昂貴且研發周期較長。隨著使用的材料越來越復雜，包括成分、環境條件等多種因素，為了獲得材料數據需要進行大量測試，如何快速高效的獲得材料數據成為一個關鍵問題。
近年來人工智能（AI）和包含的機器學習（ML）發展迅速，利用AI/ML技術可以提供一種新方法來節約生成大型數據集的時間、精力和費用。所以材料供應商已逐步開始探索人工智能的潛力，來豐富他們的材料數據庫。
本文介紹了?？怂箍道靡环N新的基于物理信息的人工智能方法，通過少量測試數據即可實現材料數據的擴充，幫助用戶準確預測工程熱塑性塑料的性能，同時節省資金和時間。SABIC公司將上述解決方案應用到其ULTEM?樹脂產品中，在沒有溫度、應變率和加載角度條件的測試數據的情況下，準確地預測ULTEM?樹脂的拉伸應力-應變響應曲線。
PART.02
使用物理信息的AI方法
ULTEM?樹脂是聚醚酰亞胺（PEI）材料，非常適合多個行業的高要求應用。實際工程應用中，需要了解其在不同的溫度、不同的纖維含量及類型、不同的樹脂類型、不同的纖維曲線等參數情況下的力學性能，因此需要針對上千種不同組合的材料數據進行評估。
目前材料數據的生成方法主要有三種：實驗室測試、先進的材料建模和AI/ML方法。每種方法都有優缺點如圖1所示。
圖1. 三種材料數據生成方法的優缺點
為了克服傳統方法的局限性，?？怂箍堤岢鲆环N使用物理信息的AI方法，如圖2所示。該方法有效地結合了實驗數據、先進的材料模型和AI/ML方法，能夠對新材料數據進行快速、低成本的響應，實現豐富和高質量的材料數據庫。
展開 在通電條件下，MFC發生電能-機械能轉換，驅動結構復合材料發生變形。主動變形智能復合材料的變形能力與MFC的性能、結構復合材料的厚度、鋪層方向等因素有關。復合材料的優勢是其結構包括鋪層的可設計性，因此，需進行鋪層設計及變形模擬方面的工作，為后續實驗研究提供理論指導。
二、研究內容
本項目以復合材料層合板+MFC復合后的材料為研究對象，以復合材料層合板的力學性能、MFC的基本性能為輸入，以復合材料層合板+MFC復合后的材料最大彎曲角度為2°為目標，進行鋪層設計和變形仿真模擬。建立厚度、鋪層方式與變形角度的關系，篩選出優化的鋪層和厚度，為下一步進行縮比典型試驗件的設計和研制提供理論指導。
展開 最近幾年隨著人工智能芯片在中國雨后春筍般的蓬勃發展，人工智能芯片以其設計規模、設計復雜度和先進設計方式引領數字芯片設計行業。特別是3D IC的采用，使得人工智能芯片的性能功耗比又上了一個臺階。但采用最先進的設計方法進行復雜的芯片設計也往往伴隨著諸多挑戰。
人工智能芯片的一個重要設計指標是用TOPS（Tera Operations Per Second）Per Watt來衡量。人工智能芯片設計為了追求高能效比，在設計上除了會采用最先進的芯片制造制程，一般也會采用比較先進的芯片設計架構，比如最近幾年被高性能芯片設計廣泛采用的3D IC設計。
雖然3D IC設計目前還有很多挑戰，但其設計相對傳統的芯片封裝來說，芯片規模更大（支持3000以上pin腳），信號通道更短，支持HBM（High Bandwidth Memory）等，因此對芯片性能的提升是比較顯著的。
在芯片制程開發難度不斷加大和迫近制程極限的情況下，針對這種典型的人工智能芯片，會面臨如下挑戰。
首先是功耗噪聲。人工智能芯片一般功耗都比較大，在相同算力情況下，如果功耗小，無疑會更受市場青睞。如何在芯片設計階段降低功耗是AI芯片設計的一大挑戰。另一方面，AI推理或訓練芯片要求芯片能從功耗很低的休眠狀態（sleep mode）以極快的速度切換到功耗很高的全速處理狀態（operation mode），因此電源供電必須能提供這種瞬態切換所需要的大電流，不能出現供電過沖（overshoot）或塌陷(undershoot)而造成的電壓劇烈抖動。為防止這種情況的出現僅僅依靠芯片內部的電容是不足夠的，還必須審慎選擇interposer、封裝和PCB板上的去耦電容，以協同設計的方式來保證供電網絡（PDN）滿足瞬態電流消耗需求。
其次是HBM設計的挑戰。
展開 
人工智能輔助材料設計的相關專題、標簽、搜索
人工智能輔助材料設計的最新內容
<p><br></p><p><br></p><figure style="text-align: center;"><figure class="figure-image" contenteditable="false" data-img="https://img.jishulink.com/202605/attachment/7cdce50ea3354376884bf75150631b46.gif
你坐飛機，每次起飛離地時空姐都會提醒你，收起小桌板，調直靠背，摘下耳機，打開窗戶遮陽板……
經過漫長巡航，飛機要降落了。你電影還沒看完，空姐又來提醒你，摘下耳機，收起小桌板，調直靠背，打開遮陽板......
你好奇了，為啥起飛和下降階段管這么嚴？
因為起飛和下降最危險。起飛的3分鐘和降落的8分鐘，一直被稱為“黑色11分鐘”。盡管這11分鐘相比總飛行時長很短，但這兩個階段的空難卻占大半
精彩直播預告
計算機性能的提升促使人工智能（AI）/機器學習（ML）方法蓬勃發展，AL/ML開始與各行各業進行深度的融合，助力傳統行業實現經驗驅動到數字驅動的研發理念轉變，有效降低研發成本，提高研發效率，加快產品上市周期。
針對連續纖維增強復合材料（CFRP）測試樣本多、測試周期長、成本高昂的問題，?？怂箍等诤隙喑叨葟秃喜牧辖Ｆ脚_Digimat和人工智能仿真平臺ODYSSEE
SerDes（Serializer/Deserializer，串并轉換器）是高速數據傳輸系統中的核心集成電路（IC），其核心功能是在發送端將并行數據轉換為串行數據（序列化），通過少量高速傳輸線傳輸后，在接收端將串行數據還原為并行數據（解序列化）。它能大幅減少信號線數量、降低互連成本，并支持超高速數據傳輸（目前已突破 100Gbps 甚至更高），廣泛應用于數據中心、5G/6G 通信、
精彩直播預告
計算機性能的提升推動了人工智能（AI）和機器學習（ML）技術的蓬勃發展。AI、ML技術正與各行各業深度融合，助力傳統行業實現從經驗驅動到數字驅動的研發理念轉變，有效降低研發成本、提高研發效率并加快產品上市周期。針對材料性能測試周期長、成本高的問題，?？怂箍等诤衔锢頊y試、虛擬實驗和人工智能技術，開發出一套基于人工智能的材料數據擴充解決方案。該方案旨在幫助客戶快速獲取準確可靠的材料屬性數據
前言
自動調節及不間斷減振控制系統（Continuous Damping Control，CDC）是一種能夠自動識別道路狀況及不間斷調節的減振控制系統。具備該系統的汽車能夠實時根據車身形式狀態對懸掛的軟硬進行調節：中低速在城市道路行駛時，CDC可以降低懸掛阻尼的強度，保證車輛行駛的平穩性并提升駕乘舒適性；高速行駛或轉向時，CDC可以瞬時提升懸掛阻尼的強度，從而加強車身穩定性，減小過彎側傾
主動變形智能復合材料
設計與變形模擬報告
2021年6月
目錄
一、引言 1
二、研究內容 1
2.1 結構復合材料基本力學屬性 1
2.2 MFC 基本力學屬性 2
三、仿真分析理論基礎 3
3.1 MFC 的驅動與傳感性能分析
NVIDIA Modulus AI框架與Ansys SeaScape平臺的集成，將幫助工程師輕松構建定制化AI解決方案，其不僅可提高設計人員的工作效率，而且還可快速確定最佳設計配置
主要亮點
NVIDIA Modulus人工智能（AI）框架將集成到針對云計算優化的Ansys SeaScape?大數據分析平臺中，該平臺支持電子設計自動化，其已被證明可將熱仿真速度提高100倍以上
PART.01
背景介紹
材料數據在工程設計中起著至關重要的作用，但是通過實驗測試的方法不僅成本昂貴且研發周期較長。隨著使用的材料越來越復雜，包括成分、環境條件等多種因素，為了獲得材料數據需要進行大量測試，如何快速高效的獲得材料數據成為一個關鍵問題。
近年來人工智能（AI）和包含的機器學習（ML）發展迅速，利用AI/ML技術可以提供一種新方法來節約生成大型數據集的時間、精力和費用。所以材料供應商已逐步開始探索人工智能的潛力
在IC封裝產業中，打線接合(Wire Bonding)是利用微米等級的金屬線材，連接起芯片與導線架或基板的技術，讓電子訊號能在芯片與外部電路間傳遞。Moldex3D芯片封裝成型模塊支持金線偏移分析，幫助使用者驗證金線設計與診斷制程中可能發生的問題，而Moldex3D Studio 2024新增了金線精靈與金線樣板功能，協助用戶在前處理階段導入微小的金線組件，加速金線的幾何設計與建立。
其中金線精靈能將
