借助AI加速工程模擬: 降階模型與物理資訊神經網路
Koustubh Shirke, MathWorks
工程模擬團隊在傳達更快速的洞察力、探索更大的設計空間、評估更複雜的系統被賦予愈來愈多的期待，甚至通常還要面對極度緊湊的開發週期。本段演講展示AI、物理資訊神經網路(Physics Informed Intelligence Networks，PINN)與降階建模(Reduced Order Modeling，ROM)如何擴充傳統基於物理的模擬，協助工程師在只運用到一部分運算成本的情況下執行高擬真模型—包含3D ROMs。使用MATLAB®與Simulink®，有助於建立資料驅動、有物理意識的ROM，將這些模型整合至現有CAE工作流程，加快最佳化和what-if研究，並且自動化模擬流程。演講將提供一個端到端的案例，展示AI驅動與物理資訊ROM如何轉變跨越複雜系統與產業的工程團隊設計、測試、及迭代方式。
演講內容：
- 為什麼要將AI導入模擬?
- 降階模型概念說明
- 真實世界範例實踐
- 真實世界的端到端ROM工作流程 (1D & 3D)
- 使用ROM APP建立ROM
- ROM + 最佳化：快速設計空間探索
- 物理資訊神經網路(PINN)的工程應用