AI輔助仿真
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-04
AI輔助仿真的視頻教程
3DCC智能公差仿真軟件—AI智能標注功能
用3DCC三維智能公差仿真軟件，通過自動標注功能，自動給出公差設(shè)計方案，驗證公差設(shè)計是否滿足要求，實現(xiàn)重點公差“智能設(shè)計”，減輕工程師的負擔(dān)。
免費 1分鐘 1播放
查看
Altair Coffee and Tech 系列丨仿真跨進AI的第一步是什么？
仿真跨進AI的第一步是什么？越來越多的汽車制造商都開始投入AI驅(qū)動的設(shè)計和仿真，AI可以哪些方面提供輔助？如何利用這些數(shù)據(jù)呢？
免費 3分鐘 9播放
查看
基于AI模型和全頻譜仿真的高保真減振器虛擬調(diào)校
核心議題與收獲： · AI-MBD如何在整車和駕駛員在環(huán)仿真中提高減振器模型的準確性； · VI-grade緊湊型 FSS 模擬器如何通過運動提示、振動反饋和硬件在環(huán)集成實現(xiàn)更快、更逼真的調(diào)校； · Astemo如何將沉浸式仿真應(yīng)用于評估微調(diào)變化、重現(xiàn)道路輸入并加速底盤開發(fā)。
免費 28分鐘 26播放
查看
AI輔助仿真的實例教程
Ansys已經(jīng)跟NVIDIA合作發(fā)展出一套輔助工具，讓已經(jīng)完成線路布局的芯片設(shè)計，在模擬環(huán)境中進行分析，看芯片會不會遇到EM相關(guān)問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學(xué)習(xí)為基礎(chǔ)的EM輔助系統(tǒng)
傳統(tǒng)上，當(dāng)芯片開發(fā)團隊完成線路布局后，是用工程團隊所設(shè)定的條件去進行模擬，但因為模擬需要耗費相當(dāng)長的時間，因此開發(fā)團隊設(shè)定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學(xué)習(xí)可以幫工程師注意到以前沒關(guān)注的盲點，從而在芯片還在設(shè)計階段就把可能出現(xiàn)的問題排除。
AI不是萬能設(shè)計最佳化還得靠人腦
雖然用機器學(xué)習(xí)或人工智能來設(shè)計芯片將是未來趨勢，而且有越來越多芯片設(shè)計開發(fā)的環(huán)節(jié)開始使用相關(guān)工具，但誠如張嘉鴻所言，機器學(xué)習(xí)只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設(shè)計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現(xiàn)在不一樣。
明導(dǎo)國際(Mentor Graphic)執(zhí)行長Walden Rhines(圖5)就表示，人工智能是許多學(xué)運算科學(xué)的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發(fā)專案。看到現(xiàn)在人工智能的蓬勃發(fā)展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經(jīng)網(wǎng)路(Neuro Network, NN)、機器學(xué)習(xí)這些人工智能技術(shù)，在應(yīng)用上還是有其限制，不應(yīng)該把AI神化。
圖5 明導(dǎo)國際執(zhí)行長Walden Rhines認為，機器學(xué)習(xí)在EDA領(lǐng)域的應(yīng)用還在發(fā)展中，而且有些IC設(shè)計步驟所遭遇的問題未必適合用機器學(xué)習(xí)來解決。
以IC設(shè)計為例，用機器學(xué)習(xí)來做芯片繞線布局，其實是非常「粗放」的。雖然用這種方法可以加快芯片設(shè)計的速度，但很難做到面積、功耗或性能的最佳化。
展開 ATCx AI FOR ENGINEERS 2025
全球線上直播會議
AI 并非取代我們的工作，而是“化繁為簡”的得力助手。它將繁瑣變?yōu)樽詣踊瑢?fù)雜變?yōu)榭赡堋ｋS著 AI 技術(shù)的不斷迭代發(fā)展，在設(shè)計、制造和業(yè)務(wù)戰(zhàn)略方面，它為工程師提供了更大的空間。Altair 將 AI 視為“增效器”，增強人類的專業(yè)技能，優(yōu)化工作流程，加速創(chuàng)新，構(gòu)建更安全、更互聯(lián)、更可持續(xù)的未來。
6月26日，全球年度會議 AI FOR ENGINEERS 將重磅開啟，屆時 Altair 將邀請全球知名企業(yè)與行業(yè)專家在線分享他們的 AI 助力工程設(shè)計、仿真與生產(chǎn)制造的實踐經(jīng)驗。
誠邀您報名參會，共赴 AI 賦能仿真工程的未來！
會議時間：2025 年 6 月 26 日（周四）
16:00 開始
會議形式：線上直播
會議語言：英語（提供中文同聲傳譯）
*大會將在多個不同的時區(qū)同步進行線上直播。屆時線上將免費提供中文、日語、韓語、葡萄牙語和西班牙語等多國語言同聲翻譯。
立即報名
溫馨提示：因服務(wù)器地域問題，掃碼后需等待5秒，請耐心等待自動跳轉(zhuǎn)至報名頁哦~
會議亮點預(yù)告
AI 賦能工程：全球知名車企案例解析 AI 如何幫助工程師提效、決策；
加速智能制造中的 AI 應(yīng)用：了解全球制造企業(yè)如何利用 AI 降低成本、優(yōu)化生產(chǎn)流程，縮短上市周期。
通過 HPC 與 AI 拓展智能：了解高性能計算（HPC）與 AI 如何強強聯(lián)合，重塑大規(guī)模計算方式。
展開 Ansys已經(jīng)跟NVIDIA合作發(fā)展出一套輔助工具，讓已經(jīng)完成線路布局的芯片設(shè)計，在模擬環(huán)境中進行分析，看芯片會不會遇到EM相關(guān)問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學(xué)習(xí)為基礎(chǔ)的EM輔助系統(tǒng)
傳統(tǒng)上，當(dāng)芯片開發(fā)團隊完成線路布局后，是用工程團隊所設(shè)定的條件去進行模擬，但因為模擬需要耗費相當(dāng)長的時間，因此開發(fā)團隊設(shè)定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學(xué)習(xí)可以幫工程師注意到以前沒關(guān)注的盲點，從而在芯片還在設(shè)計階段就把可能出現(xiàn)的問題排除。
AI不是萬能設(shè)計最佳化還得靠人腦
雖然用機器學(xué)習(xí)或人工智能來設(shè)計芯片將是未來趨勢，而且有越來越多芯片設(shè)計開發(fā)的環(huán)節(jié)開始使用相關(guān)工具，但誠如張嘉鴻所言，機器學(xué)習(xí)只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設(shè)計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現(xiàn)在不一樣。
明導(dǎo)國際(Mentor Graphic)執(zhí)行長Walden Rhines(圖5)就表示，人工智能是許多學(xué)運算科學(xué)的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發(fā)專案。看到現(xiàn)在人工智能的蓬勃發(fā)展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經(jīng)網(wǎng)路(Neuro Network, NN)、機器學(xué)習(xí)這些人工智能技術(shù)，在應(yīng)用上還是有其限制，不應(yīng)該把AI神化。
圖5 明導(dǎo)國際執(zhí)行長Walden Rhines認為，機器學(xué)習(xí)在EDA領(lǐng)域的應(yīng)用還在發(fā)展中，而且有些IC設(shè)計步驟所遭遇的問題未必適合用機器學(xué)習(xí)來解決。
以IC設(shè)計為例，用機器學(xué)習(xí)來做芯片繞線布局，其實是非常「粗放」的。雖然用這種方法可以加快芯片設(shè)計的速度，但很難做到面積、功耗或性能的最佳化。
展開 △Altair 正式發(fā)布全球100個AI應(yīng)用案例電子書，內(nèi)容覆蓋10+行業(yè)的100個AI應(yīng)用場景。點擊圖片立即獲取，了解全球AI驅(qū)動工程設(shè)計應(yīng)用成功案例，以及AI技術(shù)如何為工業(yè)制造業(yè)的產(chǎn)品全生命周期帶來賦能與革新。
在人工智能與仿真的交匯領(lǐng)域，新的應(yīng)用方式正在不斷涌現(xiàn)。與常見的流行術(shù)語如機器學(xué)習(xí)、生成式AI和合成數(shù)據(jù)相比，我們更應(yīng)關(guān)注AI如何在實際工程中賦能仿真，加速研發(fā)流程、提升決策質(zhì)量。
關(guān)鍵技術(shù)實現(xiàn)方式
在傳統(tǒng)制造行業(yè)，企業(yè)正積極探索如何借助AI脫穎而出。然而，許多企業(yè)仍對起步路徑和所需技能存有疑慮。需要明確的是，AI并非“即插即用”的解決方案，它依賴高質(zhì)量的數(shù)據(jù)和有效的監(jiān)督模型。
本文以大規(guī)模鑄造為例，闡釋AI與仿真的深度融合。通過機器學(xué)習(xí)聚類技術(shù)，Altair幫助用戶從海量仿真數(shù)據(jù)中快速識別最優(yōu)設(shè)計方案，展現(xiàn)了“AI驅(qū)動的仿真”在實際工程中的巨大潛力。
? 高效的模型創(chuàng)建
基于幾何圖形（網(wǎng)格或 CAD 格式），算法可以將這些轉(zhuǎn)換為值，以便可以比較、編輯、聚類幾何圖形并將其劃分為組和類。這使得模型組織更容易，并使建模過程更高效。
? 多學(xué)科設(shè)計探索
利用參數(shù)化設(shè)計的現(xiàn)有結(jié)果，回歸分析可用于識別相關(guān)性并預(yù)測單個值或行為曲線。這樣可以填補測試數(shù)據(jù)中的空白。
? 快速預(yù)測物理行為
基于仿真結(jié)果和幾何結(jié)構(gòu)，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，無需運行新的仿真即可進行行為預(yù)測。
? 使用神經(jīng)網(wǎng)絡(luò)有效捕獲復(fù)雜系統(tǒng)行為，而不是協(xié)同仿真
使用計算密集型仿真（例如離散元法 （DEM）、計算流體動力學(xué) （CFD） 和有限元分析 （FEA））映射的復(fù)雜過程訓(xùn)練神經(jīng)網(wǎng)絡(luò)，將其作為降階模型（ROM）再現(xiàn)系統(tǒng)行為。
展開 Altair解決方案
Kinetic Vision 采用了 Altair PhysicsAI? 這一具有突破性的 AI 驅(qū)動仿真方案，融合深度學(xué)習(xí)與歷史計算機輔助工程（CAE）數(shù)據(jù)的強大能力，可快速提供物理預(yù)測結(jié)果。通過利用歷史仿真數(shù)據(jù)訓(xùn)練 PhysicsAI 模型，Kinetic Vision 成功以近乎即時的預(yù)測結(jié)果替代了冗長的有限元分析運算，將求解時間從數(shù)小時或數(shù)天縮短至數(shù)秒。
為驗證解決方案的準確性，Kinetic Vision 在四種非線性場景中，將 PhysicsAI 的結(jié)果與傳統(tǒng)仿真方法進行了對比。
展開 
AI輔助仿真的相關(guān)專題、標簽、搜索
AI輔助仿真的最新內(nèi)容
<p><img src="https://img.jishulink.com/202605/imgs/28f8748075fb4464ac2456506772683c"></p><p>在AI智能體快速發(fā)展的今天，各行各業(yè)都在探索如何將AI融入研發(fā)流程，以加速行業(yè)創(chuàng)新。仿真技術(shù)作為產(chǎn)品研發(fā)的核心驅(qū)動力，如何與AI融合，推動仿真流程自動化與智能化演進，高效解決工程實際問題，已成為提升工程效率的重要課題。
<p>隨著底盤開發(fā)對舒適性和NVH要求不斷提升，高保真的虛擬調(diào)校已成為縮短研發(fā)周期的關(guān)鍵。工程師不僅需要建立精確的減振器模型，更需要實現(xiàn)實時可調(diào)的沉浸式調(diào)校體驗。</p><p>本次網(wǎng)絡(luò)研討會將介紹Astemo如何將AI-MBD（基于神經(jīng)網(wǎng)絡(luò)的減振器模型）與全頻譜仿真相結(jié)合以優(yōu)化底盤開發(fā)流程，并展示VI-grade緊湊型FSS模擬器的實時演示、Astemo實驗室獨家視頻（呈現(xiàn)模擬器集成硬件在環(huán)如何提供實時反饋
4月22日16:00，Ansys官方『AI驅(qū)動的OSA模型助力高速電光仿真全流程』研討會將介紹一種用于高速光學(xué) SerDes 鏈路仿真的新 IBIS-AMI 模型。感興趣的下滑預(yù)約學(xué)習(xí)??
時間：4月22日（星期三），16:00-17:00
內(nèi)容簡介：
本次 webinar 將會介紹一種用于高速光學(xué) SerDes 鏈路仿真的新 IBIS-AMI 模型。該模型采用機器學(xué)習(xí)方法模擬光學(xué)器件的非線性行為
作者： Aliyah Mallak | Ansys市場傳播經(jīng)理
編輯整理：張旭 | Ansys 高級應(yīng)用工程師
為滿足全球人工智能（AI）發(fā)展需求而建立的數(shù)據(jù)中心，催生了前所未有的電力需求。2018年，美國數(shù)據(jù)中心耗電量為76 TWh，占美國總能耗的1.9%。而到2028年，美國數(shù)據(jù)中心的電力需求預(yù)計將達到325至580 TWh，約占美國總能耗的12%。
上述情況對AI數(shù)據(jù)中心的各個環(huán)節(jié)都提出了巨大挑戰(zhàn)
從反復(fù)試誤到結(jié)構(gòu)化搜尋
葡萄牙米尼奧大學(xué)（University of Minho）的聚合物與復(fù)合材料研究所（Institute of Polymers and Composites，IPC），運用仿真與人工智能（AI），解決射出成型中最棘手的其中一項瓶頸：在不犧牲質(zhì)量的前提下，實現(xiàn)快速且均勻的冷卻。IPC團隊采用「仿真優(yōu)先」的工作流程，并結(jié)合基于主成分分析（PCA）的目標篩選、類神經(jīng)網(wǎng)絡(luò)
在數(shù)字驅(qū)動研發(fā)與運維的時代，仿真技術(shù)已成為探索物理世界的核心。然而，當(dāng)創(chuàng)新速度要求以“天”甚至“小時”計時，傳統(tǒng)的高保真CAE仿真，卻因其固有的“重計算”模式，在多個關(guān)鍵場景中陷入窘境：
? 系列研發(fā)困局：每當(dāng)系列產(chǎn)品進行參數(shù)調(diào)整或型號拓展，你是否不得不重復(fù)運行冗長的全階仿真，等待數(shù)小時甚至數(shù)天，拖累整體研發(fā)節(jié)奏；
? 數(shù)據(jù)價值沉睡：海量的仿真歷史數(shù)據(jù)，無法被有效提煉與復(fù)用
<ul><li>新思科技助力 Innatera 設(shè)計芯片，實現(xiàn)邊緣端的實時、高能效 AI 處理，加速推動物理人工智能領(lǐng)域下一代應(yīng)用的開發(fā)</li><li>新思科技 PathFinder-SC? 簽核解決方案以更高精度提供更準確的版圖級結(jié)果，專業(yè)管理設(shè)計需求，并支持早期階段分析</li><li>新思科技 Totem? 電源完整性平臺支持晶體管級分析，為超低功耗 AI 處理器提供可靠的電力傳輸與性能優(yōu)化
關(guān)鍵詞：VirtualLab Fusion；虛擬仿真；物理光學(xué)仿真；菲涅耳波帶法
摘要：在教學(xué)實驗中，由于受到衍射物加工精度和相機靈敏度的限制，常常不能明顯地觀察到與理論相匹配的菲涅耳衍射圖樣。本文先利用VirtualLab Fusion虛擬仿真平臺計算出不同尺寸圓孔與圓屏在不同位置的菲涅耳衍射圖樣，再進一步針對特定尺寸圓孔與圓屏分別進行了光學(xué)實驗、仿真計算以及理論預(yù)測
摘要：在教學(xué)實驗中，由于受到衍射物加工精度和相機靈敏度的限制，常常不能明顯地觀察到與理論相匹配的菲涅耳衍射圖樣。本文先利用VirtualLab Fusion虛擬仿真平臺計算出不同尺寸圓孔與圓屏在不同位置的菲涅耳衍射圖樣，再進一步針對特定尺寸圓孔與圓屏分別進行了光學(xué)實驗、仿真計算以及理論預(yù)測，并對結(jié)果進行了對比分析，這將有助于增強教學(xué)效果。
關(guān)鍵詞：VirtualLab Fusion；
最新版本通過加速仿真、AI驅(qū)動的實時反饋以及GPU加速的降階建模技術(shù)，助力用戶在規(guī)模化應(yīng)用中更快速、更自信地做出設(shè)計決策。
Altair宣布推出 HyperWorks? 2026 新版本。憑借在 AI、高性能計算 (HPC) 及多物理場集成領(lǐng)域的重大突破，HyperWorks 2026 整合全面的計算機輔助工程 (CAE) 設(shè)計與仿真解決方案，助力各行業(yè)工程設(shè)計團隊加速創(chuàng)新迭代、提升產(chǎn)品性能
