大模型應用的案例
大模型技術在自動駕駛中的應用
5.生成對抗網絡（Generative Adversarial Networks, GANs）：由生成器和判別器兩個對抗模型組成，通過不斷優化，使生成器生成足夠真實的數據，從而欺騙判別器認為其為真實數據。
6.自編碼器（Autoencoder）：利用一個編碼器將輸入數據壓縮為潛在表示，再使用一個解碼器將其還原為原始數據，可以用于特征提取、降噪和圖像增強等領域。
以上是常見的一些神經網絡算法，每個算法都有不同的應用場景和優缺點。
三、國外大模型技術在自動駕駛中的應用
在自動駕駛領域，大模型的應用可以提高自動駕駛系統的感知與決策等方面的能力。具體來說，大模型可以通過先前建立于大量真實交通數據上的預訓練，在車輛、行人、道路標志、紅綠燈等多種場景下自動生成語義信息，進而充分理解并掌握城市交通中各種復雜情境，從而有效地提升自動駕駛車輛的安全性和可靠性。
例如，大規模預訓練的模型可以被用來檢測行人、障礙物、車輛等，以及進行精確的路標識別和交通信號判斷，在自動駕駛系統中大大提高了感知系統的準確性；另外，大模型也可以被應用于路徑規劃、車速控制、轉向、制動等決策過程，從而更好地適應不同的路況和特定場景（如高速公路、城市交通擁堵等）。
展開 大語言模型(LLM)在塑膠射出成型產業上的應用
科盛科技 / 簡錦昌 副總經理
(轉載自繁體版ACMT電子技術月刊No.092)
什么是大語言模型(LLM)？
大語言模型(Large Language Model, LLM)是人工智能領域中一種基于深度學習的技術，它通過處理大量的文本資料來理解、生成和翻譯自然語言。這些模型以龐大的參數規模為特點，并利用了現代神經網絡架構，尤其是變換器(Transformer)架構，使得它們在自然語言處理(NLP)任務中表現出色。
大語言模型通常由數十億甚至上千億個參數構成。這些參數是在大量的文本資料上訓練得到的，通過深度學習算法來優化。訓練一個大語言模型需要巨大的計算資源，通常使用數百個GPU或TPU并行處理，以處理海量的資料集。
圖1：大家看到LLM提供的問答服務只是冰山的一角，其背后隱含著大量的文字數據資料
常見的LLM應用方式
ChatGPT就是一種LLM，相信大家都有接觸過，只要在聊天框中輸入問題或請求，例如撰寫文章、翻譯文本或生成程序碼，等待幾秒鐘，ChatGPT將自動生成文字。如果需要進一步調整輸出，可以繼續與其互動，輸入更具體的指令或要求。大語言模型的應用范圍非常廣泛。它們在各種自然語言處理任務中表現優異，常見的應用包括：
? 自然語言生成
LLM能夠生成流暢且連貫的文本，常用于自動化內容生成、寫作輔助和對話系統。
? 機器翻譯
通過理解多種語言之間的復雜關系，LLM可以進行高質量的語言翻譯。
? 文本摘要
LLM能夠自動從長文檔中提取關鍵內容，生成簡短的摘要。
? 對話系統
基于LLM的聊天機器人能夠與人類進行自然的對話，并且能夠理解上下文進行合理的回復。
展開 AI芯課程 | 基于大語言模型的VC SpyGlass Lint Advisor流程與應用
3月20日，新思科技芯課程AI系列主題第三講即將推出：「基于大語言模型的VC SpyGlass Lint Advisor流程與應用」，將介紹GenAI技術和傳統Lint流程相結合的新技術--VC SpyGlass Lint Advisor。該技術不僅能理解Lint報錯的原因并提供精準的代碼修復建議，還能通過自然語言描述來滿足定制化Lint檢查的需求；另外它還能通過自然語言描述直接生成期望的waiver來過濾掉不期望看到的違例。采用該技術能加快 Lint違例的修復和收斂的效率，從而極大解放開發者的生產力。
GenAI+Lint全新技術：VC SpyGlass Lint Advisor實戰課程即將上線，歡迎大家報名！
時間：3月 20日（星期五），14:00–15:00
地點：線上直播
講師簡介：
羅木江 | 新思科技首席應用工程師
負責數字電路驗證系列產品的支持，在RTL Signoff靜態驗證領域以及跨技術域驗證方法學具有豐富的經驗。
掃碼立即報名參會
展開 【11月16日-19日 北京】關于舉辦“大尺度VIC水文模型的開發與應用”培訓班
關于舉辦“大尺度VIC水文模型的開發與應用”培訓班
培訓背景
受全球環境變化和經濟快速發展的影響，我國水短缺、水污染、水生態、水災害、水管理五方面問題復雜交叉，直接涉及國家多方面的安全，是一個復雜的水系統問題。解決上述水問題的核心是水循環基礎研究，需要深入研究以流域水循環為紐帶的水系統各部分的聯系與反饋機制，以多要素、多過程、多尺度流域水循環綜合模擬為核心技術支撐，探討良性水循環維持的途徑。因此，在當前全過程、多要素的現代水資源綜合管理中，流域水循環模型是一個關鍵的核心支撐技術。流域水循環模型很多，其中大尺度的陸面水文模模型VIC是入選國際PILPS計劃的模型，已被國內外廣泛應用于流域陸面水文過程模擬研究中，其開發和應用具有廣闊的前景。但鑒于該模型相對復雜、運行難度較大，應廣大水利技術工作者的要求，北京中技培咨詢服務中心特舉辦“大尺度VIC水文模型的開發與應用培訓”，相關具體事宜通知如下：
時間地點
2018年11月16日-19日 地點：北京
（時間安排：第一天報到、授課三天）
培訓對象
各省市、自治區從事水資源研究、水資源規劃、陸面水文過程、區域生態環境研究與規劃的專業技術人員，各高校及科研院所的科研人員及研究生。
培訓目標
1、 提高VIC模型在流域綜合管理中的開發與應用水平；
2、提高水利、環保研究中流域水循環模擬技術的應用水平。
培訓方式
1、課程講座； 2、上機操作；3、專題小組研討與案例講解分析結合。
主講專家
長期從事水文模型開發、流域陸面水文過程模擬/預報/預估方面的工作，熟悉各類常用的水文模型的運行和開發！ 主持和參加了多個國家級科研項目，在國內外高水平的水文專業刊物發表了多篇科研論文。
展開 
MBSE產品模型架構應用：基于模型的系統工程 (MBSE) 在汽車傳動系統子系統架構中的應用
● 基于文檔的方法的新需求將需要與其他需求進行大量交叉引用，并且很可能出現冗余和遺漏
應用 MBSE 的好處：參數輸入級聯和控制
● 通過參數關系，頂層假設的變化立即級聯下來，并可以與現有的組件變量屬性進行驗證
○ 例如，如果一檔發動機扭矩上升，它會立即計算為變速器輸出扭矩并與軸最大值進行比較 輸入扭矩限制。這些是計算出的 SysML 值用作警報，但還需要存在詳細信息以定義過去的系統級別。不要太深太復雜，你會看不到大局。
○ 輪胎特性的變化可以與半軸接頭設計限制自動關聯和比較
● 如果輸入假設超過設計限制，模型會顯示輸出錯誤，提醒工程采取行動
文章來源：系斯模科技
展開 MBSE產品模型架構應用：基于模型驅動架構概念的自主水下航行器控制器的MBSE應用（下）
UKF使得估計更加準確，盡管UKF中的運算，例如無跡變換（UT），即算法2中的UT函數，可能看起來比EKF更復雜，但張柏強等人和Raitoharju和Piché深入研究了對各種卡爾曼濾波器擴展應用的實際計算復雜性和優化的評估。
表5描述了使用MBSE方法結合MDA組件對上述AUV應用的評估。
表 5.評估基于模型的系統工程（MBSE）方法結合模型驅動架構（MDA）的魚雷形AUV控制應用
（CIM，獨立于計算的模型；PIM，獨立于平臺的模型；PSM，特定于平臺的模型；IDE，實現開發環境；OMG，對象管理組；XML，可擴展的標記語言；MOF，元對象工具；UML，統一建模語言；SysML，系統建模語言）。
展開 MBSE產品模型架構應用：基于模型驅動架構概念的自主水下航行器控制器的MBSE應用（上）
上述評估導致我們選擇PID和反步的組合來執行AUV控制器的連續模型演化，稱為積分反步（IB）技術。
在開發新的AUV應用的生命周期時，還必須考慮可重用性，以降低成本和資源。對象管理組織（OMG）標準化了統一建模語言（UML），該語言是用于可視化，指定，構造和記錄軟件密集型系統工件的行業標準。系統建模語言（SysML）由OMG標準化用于系統工程。SysML是UML的擴展，可以提供簡單但功能強大的構造，用于對各種系統工程問題進行建模。然而，UML和SysML的缺點是它們缺乏對已開發系統的內部連續行為的演變進行建模的能力。
另一方面，基于模型的系統工程（MBSE）方法由INCOSE形式化，以在復雜系統的開發生命周期中對整個工件進行穩健建模。在對MBSE方法的調查中發現了系統工程方法的例子，包括Magic Grid，Harmony-SE，面向對象的系統工程方法（OOSEM），系統工程的合理統一過程（RUP-SE），狀態分析方法和對象過程方法（OPM）。模型驅動架構（MDA）由OMG標準化，用于將系統操作規范與系統如何使用其平臺功能的細節分開。MDA 的三個主要目標是通過架構關注點分離實現可移植性、互操作性和可重用性。在這里，可移植性允許在新的或多個平臺上實現相同的解決方案，互操作性創建了可以輕松與其他系統集成和通信并使用各種資源應用的系統，而可重用性構建了可以在不同上下文中的許多不同應用中重用的解決方案。Sebastián等人通過在2008年至2018年期間對軟件工程中的MDA文獻進行系統映射來調查MDA應用。實際上，MDA的原則可以在統一架構框架（UAF）中使用，以加強系統的互操作性。在許多商業應用中，實時SysML / UML已與上述基于模型的系統工程方法相結合。
展開 CEL與Lagrange模型在大變形分析時的適用性CEL與Lagrange模型在大變形分析時的適用性
對同一個模型來講，通常，拉格朗日建模方式計算更加準確，計算效率更高，因為所有的幾何體都采用拉格朗日單元類型，而CEL建模方式的計算更加耗時，且產生的文件更大，一個直接的原因是流體或大變形幾何體是歐拉體模型，采用歐拉單元建模，而歐拉單元的數量要明顯多于相應的拉格朗日模型的單元數量。
但是，如果模型要經歷極大變形，那么這兩種建模方式的優劣就要好好評價一下了。在大變形分析中，拉格朗日模型容易發生網格畸變，網格畸變區的計算結果準確性將會大打折扣，產生不可信的結果甚至計算中斷得不到結果；而CEL模型在犧牲一定的幾何模型精度和結果準確性的前提下，計算會非常穩定，網格不會發生畸變，相較于拉格朗日的網格畸變區反而會得到更加合理的計算結果。所以，在選擇建模分析方式時，尤其是大變形分析，兩種方法孰優孰劣，需要結合一定的經驗和以往案例，選擇折中處理或者兩種都用以綜合衡量。
本篇案例是一個鉚接案例，如下面的示意圖所示。 ? 具體的模型長下面這樣：左邊是中央截面圖，右面是實物圖，上下兩部分是沖模，張揚帶孔圓盤是固定模板，上下兩部分沖模同時施力以使鉚釘達到最終的變形。 ? 這個過程很明顯是一個極限大變形過程，我們可能關心這個過程中的三個問題：
1、 鉚釘在成型過程中的變形是否適當？
2、 成型后，鉚釘是否有足夠的力量保持材料的連接？
3、 成型過程工具的壓力是否足夠？
那么這三個關心的問題我們可以考察分析鉚釘的變形位移、成型后的等效塑性變形和成型過程中的沖模受力等變量，去評估我們關心的問題從而做出一些結論或改進。 本案例不再進行step by step的演示，各位小伙伴可以自行練習。下面來具體看一下分析模型和相關結果。 ?
左邊是拉格朗日建模，右邊是CEL建模。兩種建模方式中，接觸全部采用無摩擦通用接觸。
展開 BIM的最全總結：五大好處、五大應用、四大注意、五大誤區和十二大功能
一開始就將BIM技術作為成本投資，而非提升競爭力和效益的投資，投入不足，導致BIM技術方案選型落后，不能聘請好的應用顧問，無法獲得正確的實施經驗，導致失敗。
5、未找到好的實施方式 很多企業只是被動完成業主方或投標要求，未意識到這是行業革命的發端，被動應用BIM，不可能獲得好的回報。部分有私心的管理層甚至懼怕透明化給自己帶來威脅。當這兩種心理在管理層中占大多數時，一旦BIM應用遭遇阻力，就無法克服。
十二大功能
1、施工現場可視化展示 通過可視化展示，使每個項目參與人員可直觀地理解設計方案和意圖，極大的提高了項目的管理能力和溝通效率。
2、三維場地管理 模擬場地的整體布置情況，協助優化場地方案；展現項目的空間結構，提前發現和規避問題。
3、Revit模型創建過程中發現圖紙問題 項目各專業在創建模型的過程中，會發現很多圖紙問題，諸如構件尺寸標注不清、標高錯誤、詳圖與平面圖無法對應等，在模型創建過程中將這些問題匯總，以備在圖紙會審會議中進行協商，以修改設計。
4、現場質量、安全、文明信息管理 現場管理人員發現質量、安全等問題后，將問題通過手機應用上傳到云端和PC端，BIM系統將質量、安全問題的位置、時間、整改情況等信息域BIM5D模型相關聯，可以實時查詢任意節點或施工段及構件的施工安全、質量情況，并可自動生成工程質量安全統計分析報表。
5、地下室管線綜合設計 在保證機電系統功能和要求的基礎上，結合裝修設計的吊頂高度情況，對各專業模型（建筑、結構、暖通、電氣、給排水、弱電等）進行整合和深化設計，同時在管線綜合過程中，遵循有壓管讓無壓管、小線管讓大線管、施工簡單的避讓施工難度大的原則，進行管線的初步綜合調整。
展開 全球10大智慧城市大數據應用案例
隨著時間的推移，系統中的算法將從最成功的建議中“學習”，并將這些知識應用到將來的預測當中。
《大分子》可調諧和大規模模型網絡 StarPEG-DNA 水凝膠
【總結】
團隊報告了對基于帶有雙鏈接頭的
starPEG-DNA 構建塊的準理想模型網絡水凝膠的表征的首次詳細研究。
材料設計建立在
團隊
最近開發的 OP-LPOS 合成策略的基礎上，該策略為大規模聚合物/DNA 混合材料開辟了道路。可以通過改變接頭長度和改變鹽度和構建塊的濃度來訪問廣泛的屬性空間。凝膠 G' 值可在 20 Pa 至 3.1 kPa 范圍內調節，因此在細胞機械感應發生的范圍內。(60-62) 松弛時間尺度也特別可通過鹽度調節。在二價陽離子 (Mg
2+
) 存在下組裝的所有水凝膠在 10 °C 的測量頻率范圍 (f = 0.001–100 Hz) 中沒有顯示弛豫時間，但在其他條件下沿寬譜發生相應變化。水凝膠的形成是堅固的，這種 starPEG-DNA 水凝膠的機械性能可以承受反復的加熱和冷卻循環，并且在水凝膠組裝幾個月后，諸如 Tco 和 τ 等性能仍能保持。
水凝膠組裝所需的構建塊、通過
OP-LPOS 的 starPEG-T20 和通過自動固相合成的 DNA 接頭的合成的簡便性和可擴展性，應該促進這種水凝膠作為生物材料在各種應用中的應用。因此，
該
工作奠定了基礎，但包括使用適體、酶促反應片段或靶向（例如，使用更復雜的 DNA 接頭的應變硬化水凝膠）的更高水平反應的充分可能性似乎是可行的。
展開 
LS-DYNA中的點火增長模型應用（1）：二維ALE算法的B炸藥沖擊起爆過程仿真 ￥48
LS-DYNA中的點火增長模型應用（1）：二維ALE算法的B炸藥沖擊起爆過程仿真
關鍵詞：沖擊起爆過程；點火增長模型；2D多物質ALE算法；穩定爆轟；B炸藥
LS-DYNA中的點火增長模型采用狀態方程*EOS IGNITION AND GROWTH OF REACTION IN HE進行設置，可用于模擬固體推進劑及其他高能炸藥的沖擊點火和燃爆過程。該模型能夠根據溫度和壓力的變化動態調整反應速率，從而影響爆炸（燃燒）前沿的傳播速度，產生熄爆或爆轟效果，已被廣泛應用于爆炸和沖擊分析、火箭和導彈的推進劑安定性研究、建筑和交通工具的火災安全評估以及新型材料的燃燒特性測試等領域。
由于炸藥起爆過程中涉及到網格的大變形，采用Lagrange算法進行計算時，易出現小網格步長銳減、負體積計算終止等問題，相比之下，ALE算法具有顯著優勢。本文采用二維多物質ALE算法對B炸藥的沖擊起爆過程進行仿真計算，沖擊物為12.7mm的黃銅彈丸，彈丸與B炸藥間設置1mm厚的1006號鋼板，彈丸速度設置為1200m/s和1240m/s，計算結果如下：
起爆結果：1200m/s沖擊速度下，炸藥起爆后未能爆轟，爆炸傳播一段距離后熄爆，在距沖擊位置6mm處產生最大超壓峰值19GPa；1240m/s沖擊速度下，炸藥起爆成功，產生穩定爆轟，爆轟波峰值壓力約30GPa，與29.5GPa的C-J爆轟壓力相近，壓力曲線如圖1。
圖1 不同沖擊速度下B炸藥軸線各處的壓力時程曲線
反應度及溫度對比：起爆成功產生穩定爆轟的壓力、溫度明顯高于未起爆成功工況。成功起爆的炸藥反應度達到1，未起爆成功反應度僅在沖擊位置附近小范圍達到1，較遠范圍反應度逐漸降低，云圖對比如圖2。
展開 Solidwork模型太大，高性能圖形工作站也卡頓，怎么簡化，讓模型移動轉向縮放流暢
當使用SolidWorks軟件處理大型模型時，可能會遇到性能問題，導致操作卡頓。以下是一些方法，可以幫助您簡化大型模型，以便在SolidWorks中進行流暢的移動、轉向和縮放操作：
1 減少細節級別： 嘗試降低模型的細節級別，減少多邊形和曲面數量。您可以選擇減少曲面細分或刪除不必要的小特征。
2 使用外部參考： 將大型組件拆分為較小的部分，并使用外部引用（External References）來引用這些部分。這有助于分解模型，減少單個文件的復雜性。
3 減少圖形效果： 在SolidWorks選項中，降低圖形效果的設置，如陰影、反射和透明度，以減少計算負載。
4 使用大型裝配模式： SolidWorks提供了大型裝配模式（Large Assembly Mode），可以優化性能，只加載需要的組件。
5 消除不必要的特征： 檢查模型中是否有不必要的特征，如細微的倒角、孔等，可以將其刪除或合并。
6 使用配置： 對于多配置模型，只加載您當前需要的配置，而不是全部。
7 使用輕量級模型： SolidWorks允許創建輕量級表示（Lightweight Representations），這些表示只加載部分模型數據，以提高性能。
8 使用大型裝配優化工具： SolidWorks提供了大型裝配優化工具，可幫助您識別性能瓶頸并優化裝配。
9 使用速度包（SpeedPak）： SpeedPak是SolidWorks的功能，可以在裝配中創建輕量級表示，以便更快地加載模型。
10 保存時精簡： 當保存模型時，選擇保存時精簡選項，可以減少模型文件的大小。
不同的模型和硬件配置可能需要不同的優化策略。您可以根據具體情況嘗試上述方法，以獲得更好的SolidWorks性能和流暢的操作體驗。
展開 【風能模型】風能模型的發展及 CFD 在風資源開發利用中的應用
此外，通過方程組的坐標變換來描述復雜地形，需要對地形進行不同程度的平滑，獲得計算穩定性，對于陡峭地形，可能會出現較大計算誤差。目前廣泛使用的預報模式有 MASS、WRF、MM5、RAMS、ARPS、MC2、KAMM 等。
對于復雜地形風場的精細化數值模擬，需要采用動力降尺度的方法來實現，通過預報模式和診斷模式相結合計算三維流場。診斷模式包括 Jackson Hunt 型模型和質量守恒一致模型。
耦合模型
由于模擬尺度跨度大、計算成本高，當前風能模型的發展趨勢是 NWP 模型與 CFD 模型耦合，并取得了不少成果 。
其中，NWP 與 LES 嵌套耦合用于風能研究逐步受到廣泛關注 。大渦模式起源于邊界層模擬，現在可以用全物理參數化方案（輻射、微物理、云對流、地面-大氣相互作用、湍流等）求解非定常、非線性 N-S 方程。與 RANS 模型相比，它們在高分辨率下運行，接近三維湍流的慣性子區，因此能夠在參數化小尺度湍流時直接解出重要的含能尺度湍渦。美國國家大氣研究中心在 WRF 基礎上，結合實時四維數據同化技術，通過 FDDA 根據大尺度天氣確定 LES 的網格，形成天氣尺度和微尺度嵌套的多尺度天氣模式（WRF-RTFDDA-LES），模擬真實天氣環流的重點地區風場，如風力發電場。
風功率預測模型
2002—2006 年，歐洲 7 個國家 20 多個組織開展 ANEMOS 項目，應用中尺度氣象模式、CFD 模型和各種風速預報模型，進行復雜地形極端天氣的風功率預報研究。近年來人們用神經網絡、小波分析和模糊邏輯等新方法顯著地提高了預報精度，并且預報長度達到了24～36 h。風功率預報模型現在已經在風電場風力發電過程中得到廣泛應用。
CFD在風能發展中的應用
尾流模擬
隨著計算能力的發展，CFD 越來越多地用于風力發電機建模。
展開 ABAQUS-復合材料工程應用案例大合集-快速提高abaqus工程應用技能
ABAQUS-復合材料工程應用案例大合集-快速提高abaqus工程應用技能
