AI 物理学のエンドツーエンド ワークフローのデモ

AI を活用したエンジニアリング ワークフローの概要

詳細については、こちらから Rescale の NVIDIA を活用した AI 物理学

ステップ 1 – 既存のシミュレーション データを生成または使用します。バッチまたは大規模 DOE で複数の CFD シミュレーションを実行します。この場合は次のようになります。 ジーメンス STAR-CCM+ は車両後部ウイングの設計検討を実施します。

ステップ 2 – シミュレーショントレーニングデータを取り込んで物理情報に基づいたサロゲートモデルをトレーニングし、ニューラルネットトレーニングワークフローを実行します。この場合は ナヴァスト NAVPACK は Rescale で実行されます。

ステップ 3 – AI 推論を実行して新しい設計のパフォーマンスを予測し、フィードバックのために数千の新しいジオメトリを数分で、または単一のジオメトリをミリ秒で評価します。使用される AI 推論ソフトウェア – NAVASTO NAVPACK。次に、予測結果をワークステーション (Paraview など) 内で定量的または視覚的に評価します。

ステップ 4 – 設計を検証して予測精度を決定します。この場合、同じ CFD ソルバーである Siemens STAR-CCM+ が検証に使用されます。 AI モデルのチューニングに必要な手順 1 ~ 3 を繰り返します。

結果について 1000x 加速 従来のシミュレーション解析と比較した空力最適化設計予測の