AI輔助材料設計的案例
EDA引入AI輔助芯片設計，對工程師意味著什么？
圖3 機器學習在工程領域的潛力應用
目前在芯片設計過程中，開發者最常遇到的問題，是由先進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習的方法來解。Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習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在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學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專案?？吹浆F在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
展開 EDA引入AI輔助芯片設計，對工程師意味著什么？
Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習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在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學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專案。看到現在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
圖5 明導國際執行長Walden Rhines認為，機器學習在EDA領域的應用還在發展中，而且有些IC設計步驟所遭遇的問題未必適合用機器學習來解決。
以IC設計為例，用機器學習來做芯片繞線布局，其實是非常「粗放」的。雖然用這種方法可以加快芯片設計的速度，但很難做到面積、功耗或性能的最佳化。
展開 上?？萍即髮W凌盛杰課題組：計算機輔助設計動態響應生物納米復合材料
三元復合材料的動態響應過程
該研究的意義在于，通過計算機模擬來預測仿生材料機械性能，從而指導仿生材料結構組成的設計及優化，大量節約了時間及實驗成本。根據模擬結果，通過仿生自組裝的方式制備了具有優異機械性能的復合材料。隨后，進一步通過計算機模擬輔助計算，利用復合膜中組成成分梯度分布的特性，制備出可程序化設計的具有水驅動響應性的仿生器件。該工作通過理論模擬和實驗結合，指導新型仿生材料的合成，并啟發了相關材料功能拓展。研究報告發表于《先進材料》雜志 。
全文鏈接：
https://doi.org/10.1002/adma.201802306
來源：高分子科學前沿
展開 碳纖維復合材料主要研究、算法分析及軟件工具，及高速計算工作站/集群硬件配置推薦
AI驅動材料預測/深度學習模擬
典型任務：基于實驗數據的強度預測、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）
內存
256GB ~512GB
存儲
8TB NVMe SSD
軟件
Python (PyTorch/TensorFlow) + Digimat + Ansys Twin Builder
五、總結與發展趨勢
算法趨勢：從傳統有限元→多尺度建?！?em>AI輔助復合材料設計。軟件趨勢：ABAQUS+Digimat仍是科研主流組合，工業界常用Ansys Composite PrepPost。硬件趨勢：高核心CPU+大內存+GPU混合計算，配合并行文件系統，實現材料設計數字孿生化。
工程仿真計算工作站/服務器硬件配置
2025v1工程仿真計算工作站/服務器硬件配置-UltraLAB圖形工作站方案網站
展開 
