AI輔助材料設(shè)計
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-05
AI輔助材料設(shè)計的實例教程
圖3 機器學(xué)習(xí)在工程領(lǐng)域的潛力應(yīng)用
目前在芯片設(shè)計過程中，開發(fā)者最常遇到的問題，是由先進(jìn)制程所帶來的電子遷移(Electron Migration, EM)、時序(Timing)與功率(Power)問題。這些問題就很適合用機器學(xué)習(xí)的方法來解。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(jìn)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(tuán)隊完成線路布局后，是用工程團(tuán)隊所設(shè)定的條件去進(jìn)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(tuán)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。
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(jìn)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(tuán)隊完成線路布局后，是用工程團(tuán)隊所設(shè)定的條件去進(jìn)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(tuán)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(rèn)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 三元復(fù)合材料的動態(tài)響應(yīng)過程
該研究的意義在于，通過計算機模擬來預(yù)測仿生材料機械性能，從而指導(dǎo)仿生材料結(jié)構(gòu)組成的設(shè)計及優(yōu)化，大量節(jié)約了時間及實驗成本。根據(jù)模擬結(jié)果，通過仿生自組裝的方式制備了具有優(yōu)異機械性能的復(fù)合材料。隨后，進(jìn)一步通過計算機模擬輔助計算，利用復(fù)合膜中組成成分梯度分布的特性，制備出可程序化設(shè)計的具有水驅(qū)動響應(yīng)性的仿生器件。該工作通過理論模擬和實驗結(jié)合，指導(dǎo)新型仿生材料的合成，并啟發(fā)了相關(guān)材料功能拓展。研究報告發(fā)表于《先進(jìn)材料》雜志 。
全文鏈接：
https://doi.org/10.1002/adma.201802306
來源：高分子科學(xué)前沿
展開 AI驅(qū)動材料預(yù)測/深度學(xué)習(xí)模擬
典型任務(wù)：基于實驗數(shù)據(jù)的強度預(yù)測、固化曲線AI建模
組件
推薦配置
GPU
A100 x 2或H100 x 2
CPU
AMD EPYC 9534（64核）
內(nèi)存
256GB ~512GB
存儲
8TB NVMe SSD
軟件
Python (PyTorch/TensorFlow) + Digimat + Ansys Twin Builder
五、總結(jié)與發(fā)展趨勢
算法趨勢：從傳統(tǒng)有限元→多尺度建模→AI輔助復(fù)合材料設(shè)計。軟件趨勢：ABAQUS+Digimat仍是科研主流組合，工業(yè)界常用Ansys Composite PrepPost。硬件趨勢：高核心CPU+大內(nèi)存+GPU混合計算，配合并行文件系統(tǒng)，實現(xiàn)材料設(shè)計數(shù)字孿生化。
工程仿真計算工作站/服務(wù)器硬件配置
2025v1工程仿真計算工作站/服務(wù)器硬件配置-UltraLAB圖形工作站方案網(wǎng)站
展開 
AI輔助材料設(shè)計的相關(guān)專題、標(biāo)簽、搜索
AI輔助材料設(shè)計的最新內(nèi)容
輔助復(fù)合材料設(shè)計。
EDA大廠競相在自家產(chǎn)品中導(dǎo)入人工智能(AI)，試圖借此加快芯片設(shè)計/模擬的速度。美國國防部旗下的先進(jìn)研究計劃署(DARPA)，也已設(shè)定「全自動芯片設(shè)計」的宏大目標(biāo)，并廣邀硅智財(IP)跟工具業(yè)者參與這項挑戰(zhàn)性極高的研究計劃。此一目標(biāo)不會很快實現(xiàn)，但趨勢如此，IC設(shè)計產(chǎn)業(yè)與相關(guān)從業(yè)人員，必須在這一天到來之前做好因應(yīng)準(zhǔn)備。
利用人工智能技術(shù)來加快芯片設(shè)計流程，是最近兩、三年來在EDA
EDA大廠競相在自家產(chǎn)品中導(dǎo)入人工智能(AI)，試圖借此加快芯片設(shè)計/模擬的速度。美國國防部旗下的先進(jìn)研究計劃署(DARPA)，也已設(shè)定「全自動芯片設(shè)計」的宏大目標(biāo)，并廣邀硅智財(IP)跟工具業(yè)者參與這項挑戰(zhàn)性極高的研究計劃。此一目標(biāo)不會很快實現(xiàn)，但趨勢如此，IC設(shè)計產(chǎn)業(yè)與相關(guān)從業(yè)人員，必須在這一天到來之前做好因應(yīng)準(zhǔn)備。
利用人工智能技術(shù)來加快芯片設(shè)計流程，是最近兩、三年來在EDA工具業(yè)界相當(dāng)熱門的話題
自然界中，生物體能利用極其有限的組成成分，創(chuàng)造出性能卓越的復(fù)合材料。其關(guān)鍵原因在于生物體對材料在多尺度上的精心構(gòu)造。例如珍珠，就是由生物高分子（如蛋白質(zhì)和多糖）和文石頭構(gòu)成。其通過微觀尺度上的多層級磚-石結(jié)構(gòu)，優(yōu)化各組成成分間的相互作用并將優(yōu)勢逐級擴大；并最終獲得宏觀尺度上的優(yōu)異力學(xué)性能。研究人員從未停止過對生物體中高級層次結(jié)構(gòu)的模仿，用以構(gòu)筑高性能人工合成材料。然而，現(xiàn)有手段多需要繁瑣的工序及較高的能耗
