找回密码
 注册

微信登录

微信扫一扫,快速登录

萍聚头条

查看: 243|回复: 0

AI for Industry | 超越还是替代

[复制链接]
发表于 2025-8-30 12:57 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?注册 微信登录

×
作者:微信文章
写在前面的话

    把题目定为Industry确实有点大,主要是为了和AI for Science做出区别。这个Industry的内涵还是工业产品设计、制造、使用、维护中与计算相关的技术。

    AI是个泛词,几乎快到了加州牛肉面大王的境界了。

    到了小编这里,咱还是有明确分寸的。只有两大类:

机器学习和深度学习算法(统称数据驱动)

    这一类是基于我们提供的数据类知识,进行特征总结归纳,给我们提供数据预测。机器学习算法和深度学习算法的区别是前者有明确的数学表达式,而且可解释。后者是以代码的形式表达,无法直观解释。

知识图谱(统称知识驱动)

    这一类是基于我们提供的文本类知识,进行归纳推理,给我们直接提供结论。

AI工具是替代还是超越?

    经典的工业设计和仿真工具,都有明确的数学方程表示,也有明确的物理含义,通常成为物理驱动方法。

    以ANSYS/Simens/云道/秩益为代表的国际国内CAE厂商销售的是软件,具体来说就是软件包+许可证+基础培训。这一系列工具算法成熟,结果可信度高。

    AI类的工具是不是作为当前软件工具的竞品存在呢?

    以数据驱动为代表的AI工具,在工业领域的应用需要有非常深度的技巧。让我们以最简单的带翅片的水冷散热器的AI建模来讨论。

AI建模举例:水冷散热器

    目标选择:是预测它的流场?还是预测它的总体性能。

    预测流场的话是基于PINN?PCA?CNN?编码器?基本上在选择层面,即便是想掌握判断选择的基本条件都需要数周乃至数月的深入研究。

    预测性能的话,是考虑变几何还是变边条?

    在这里我们简化为基于边条变化的性能预测。

    基于CFD构建水冷散热器的基础模型。


    构建数据驱动的采样空间。

    数据驱动是在无限维度的微分方程解空间中利用边条实现降维,构建一个解的低维空间。想象一下理论和真实的解是瑞阿姨家的中号咖啡杯(有固定精确的尺寸),

    数据驱动的解的空间就是你参照瑞阿姨家的中号咖啡杯,凭借非精确测量做出的复制品。在做这个咖啡杯的时候你只要测量两个直径和一个高度基本上就OK了,那是因为你能看见并理解它。实际上对于散热器性能的解空间来说,我们类似于一个爬在瑞阿姨家咖啡杯上的智慧蚂蚁(可以做三维坐标测量)。问题就是作为智慧蚂蚁,你需要采样多少个点?实际上,作为智慧蚂蚁的我们是根据时间和算力来确定采样空间的,并不是按照真实物理复杂度来确定。

    选择AI建模算法。

    我们假设进口流速V、进口温度Ti、顶部温度Ttop是自变量,阻力损失Dp,出口平均温度To,顶部热流密度Qt是目标变量。

    建模算法是使用回归还是使用神经网络拟合呢?这其实取决于数据的变化梯度,我们假设选择一个简单的MLP基础神经网络算法。这一步其实已经隐藏了很多选择。

    训练并测试。训练通常是OK的。测试会有误差,这个误差假设通常为3%。

    其实说了这么一大套,我们忘记了一个极其重要的问题,你建这个AI模型是干什么用?模型是个锤子的话,请问你的钉子是什么?你是给谁解决什么问题?

    散热器厂家出厂的时候,会附带基础性能表,大体上是换热量MAP,阻力损失等等,那么作为通晓各门绝学,酷暑之下熬夜构建的AI元模型,为用户解决了什么问题呢?

    新闻界有个著名的5W问题来定义一条新闻。

AI for Industry三个W是:

●Who:为谁服务?什么业务的什么岗位的什么工作?

●What:解决的是什么问题?

●Why:有什么不得不高大上的理由非要请武林寺的高德大师来演这套螳螂18式AI拳法呢?

    如果往回看看上面的文字,结论是非常清楚的。对于一个最简单的散热器的AI建模需要有基础的CFD知识,优化设计知识,AI算法模型知识,丰富的散热器工程经验,但是你替代的可能只是一个最简单的CFD计算。

    那么AI散热器模型的算法所得是什么?

超越而不是替代

    AI散热器模型可以免除散热计算时候的散热器CFD计算,同时可以为场建模提供高精度边界条件。这就是它的价值。

    AI工程建模的存在空间,不是和现有的CAE工具在低维的平面空间竞争,而是跳出工具的维度在更高维度的层面竞争。

    AI建模就是要在传统CAE算不准、算不快的领域提供10倍的精度,和1000倍的速度。

    AI工程建模的目的就是在速度、精度、广度上超越而不是替代现有的CAE仿真,在当前仿真工具应用范围之外的范围体现价值。
Die von den Nutzern eingestellten Information und Meinungen sind nicht eigene Informationen und Meinungen der DOLC GmbH.
您需要登录后才可以回帖 登录 | 注册 微信登录

本版积分规则

Archiver|手机版|AGB|Impressum|Datenschutzerklärung|萍聚社区-德国热线-德国实用信息网

GMT+2, 2025-10-4 11:05 , Processed in 0.083340 second(s), 26 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2025 Discuz! Team.

快速回复 返回顶部 返回列表