physicsAI 快問快答丨如何利用仿真數據進行快速物理預測?

技術中心

Technology

技術中心

所有分類
physicsAI 快問快答丨如何利用仿真數據進行快速物理預測?
Jun.21,2024

 


       Altair physicsAI 為廣大CAE用戶帶來了先進的幾何深度學習。Altair HyperWorks 2022.3 首次發布了全新 physicsAI 技術,可利用歷史仿真數據進行快速物理預測。此後,我們一直不斷聽取用戶反饋幷持續改進。

HyperWorks 2023 最新版本的重點是提高可用性和擴大 physicsAI 的應用範圍。在此,我們想與大家解答一些關于 physicsAI 的常見問題。


我們可以將問題分爲三類:數據和格式、計算和資源、精度和質量。

1.數據和格式
Q:訓練數據支持哪些文件格式?
A:文件讀取技術利用 HyperWorks 生態系統的通用技術,例HyperView

Q:是否支持瞬態工况預測?
A:是的,瞬態和靜態工况都支持。

Q:需要多少數據用于訓練?
A:數據是從仿真結果文件中提取的。要獲得高質量的預測結果,所需的結果文件數量因項目而异。根據物理模型的複雜程度和數據的變化量,有些應用可能只需要少量結果,而有些則需要幾十甚至上百個。此外,足够的質量本身就是一種主觀評估。作爲一般準則,建議在評估預測質量的測試之前,至少使用 10 個結果進行訓練。

Q:網格需要有相同數量的網格/節點嗎?
A:不需要,它不要求網格數量相等。網格甚至不需要在拓撲上等同,如下圖所示。
 

 

 


Q:設計數據的變化幅度能有多大?
A:訓練數據允許的變化沒有具體限制。但需要注意兩點。首先,訓練數據應能代表將要進行預測的新設計。其次,變异性較高的數據集需要相應數量的訓練數據來保證質量。在預測時,置信度分數可以用來量化新設計與訓練數據的相似程度。


 

 


2.計算和資源
Q:是否一定需要 GPU?
A:不一定需要。CPU 可以用來訓練模型,但速度會比 GPU 慢。

Q:支持哪些 GPU?
A:要使用 GPU 訓練,必須安裝 CUDA 工具包 11.8 和 cuDNN 8.7。這要求英偉達™(NVIDIA®)GPU 至少采用帕斯卡微架構,即計算能力大于 6.0。

Q:GPU 和數據集大小對訓練時間有什麽影響?
A:計算資源的質量會影響訓練時間。更好的硬件可以提高運行時間,相比CPU,GPU可以顯著縮短運行時間。無論硬件如何,訓練時間與數據集大小大致成綫性比例。請參見下圖中的代表性示例:
 

 

 


Q:我可以在高性能計算平臺上進行訓練嗎?
A:可以。


3.精度和質量
Q:結果準確嗎?
A:一般來說,準確度會隨著數據量、模型的表現力(如網絡寬度和深度)以及分配的訓練時間而提高。不過,出于實際考慮,這些數量都會受到一定限制。對訓練好的模型進行質量評估是標準訓練流程的最後一步。具體方法是根據已知值對預測結果進行測試,例如使用測試數據集的 MAE 指標。

Q:什麽是良好的 MAE?
A:MAE 是平均絕對誤差。MAE 可以解釋爲預測的誤差度量。例如,假設一個模型預測位移的 MAE 爲 4 毫米。您可以將其理解爲任何給定的預測平均都可能有 4 毫米的誤差。如果預測的工程位移僅爲 5 毫米,那麽這個誤差可能會很大,但如果預測的典型值爲 500 毫米,那麽這個誤差就不算太大。

Q:我應該使用什麽訓練設置?
A:每個項目都不同。默認設置是一個很好的起點,但最佳做法是調整設置以獲得足够高質量的模型。工作流程允許在同一數據集上重複訓練模型,以比較不同設置下的結果。這些測試可以提供經驗,證明類似的項目可以通過類似的設置獲得最佳結果。

Q:訓練好的模型能否取代求解器?
A:可以,也不可以。模型的設計目的是作爲求解器的快速近似,因此一般來說,我們幷不期望模型達到求解器的精度。模型通常比求解器快一到三個數量級。即使沒有達到求解器級別的精度,這也是非常有用的,因爲它可以讓你快速探索新的設計概念。最終設計應始終使用傳統求解器進行驗證。不過,如果有適當的訓練數據和設置,模型可以訓練得相當精確。


 

結 語

       physicsAI支持的技術將繼續擴展。這不僅僅是一個遙遠的未來願景;這些工具已經嵌入到當今的軟件中,真的就是這麽簡單! 如果您還沒有這樣做,請嘗試最新版本的 HyperWorks吧,看看開始使用人工智能驅動的設計到底有多簡單。

文章出處: Altair

 

 

瑞其科技是"CAE與AI大數據的專家",我們完成了許多成功的案例實績
▶ 現在就聯絡我們,取得更多資訊。

服務諮詢

軟體試用

公司簡介 最新消息 聯絡我們

若同意本網站之隱私權政策,請點選「CONFIRM」,若繼續閱覽本網站內容,即表示您同意我們使用 cookies 分析技術,更多資訊請瀏覽 隱私權聲明

CONFIRM