Übersicht über KI-gestützte Engineering-Workflows

Mehr über erfahren KI-Physik mit NVIDIA-Unterstützung auf Rescale

Schritt 1: – Generieren oder verwenden Sie vorhandene Simulationsdaten. Führen Sie mehrere CFD-Simulationen im Batch- oder Large Scale DOE durch, in diesem Fall mit Siemens STAR-CCM+ zur Durchführung einer Designstudie für Heckflügel von Fahrzeugen.

Schritt 2: – Trainieren Sie das physikbasierte Ersatzmodell, indem Sie Simulationstrainingsdaten aufnehmen und einen Trainingsworkflow für neuronale Netze ausführen, in diesem Fall mit NAVASTO NAVPACK läuft auf Rescale.

Schritt 3: – Führen Sie KI-Inferenz durch, um die Leistung neuer Designs vorherzusagen und Tausende neuer Geometrien für Feedback in Minuten oder einzelne Geometrien in Millisekunden zu bewerten. Verwendete KI-Inferenzsoftware – NAVASTO NAVPACK. Bewerten Sie die Vorhersageergebnisse anschließend quantitativ oder visuell innerhalb einer Workstation (z. B. Paraview).

Schritt 4: – Validieren Sie Designs, um die Vorhersagegenauigkeit zu bestimmen. In diesem Fall wird der gleiche CFD-Solver, Siemens STAR-CCM+, zur Validierung verwendet. Wiederholen Sie die Schritte 1–3 nach Bedarf für die Optimierung des KI-Modells.

Results: 1000x Beschleunigung von Designvorhersagen zur Aerodynamikoptimierung im Vergleich zur herkömmlichen Simulationsanalyse