Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Trong thế giới kỹ thuật đang phát triển nhanh chóng ngày nay, việc tích hợp trí tuệ nhân tạo (AI) và kỹ thuật hỗ trợ máy tính (CAE) đang làm tăng hiệu quả của quy trình thiết kế. Các kỹ sư hiện đang sử dụng các mô hình thay thế được hỗ trợ bởi AI để tăng tốc mô phỏng và nhanh chóng đánh giá nhiều phương án thiết kế. Các mô hình AI này, được đào tạo dựa trên dữ liệu mô phỏng truyền thống, có thể tạo ra kết quả dự đoán trong thời gian ngắn hơn nhiều so với các phương pháp truyền thống.

Việc sử dụng AI trong mô phỏng nhằm mục đích bổ sung, chứ không phải thay thế, các bộ giải truyền thống. Việc khám phá thiết kế ban đầu được thực hiện bằng cách sử dụng các mô hình thay thế này để nhanh chóng xác định các tùy chọn đầy hứa hẹn. Sau đó, chúng được xác thực bằng các bộ giải chính xác và đáng tin cậy hơn để đảm bảo độ tin cậy của sản phẩm cuối cùng.

Để đẩy nhanh việc áp dụng AI trong mô phỏng khí động học ô tô, một quy trình làm việc toàn diện đã được phát triển. Quy trình làm việc này có thể thích ứng với nhiều ứng dụng kỹ thuật khác nhau và dựa trên một bộ công cụ giúp hợp lý hóa các quy trình từ chuẩn bị dữ liệu đến trực quan hóa. Quy trình làm việc bao gồm tiền xử lý dữ liệu với NVIDIA PhysicsNeMo Curator, đào tạo mô hình AI với NVIDIA PhysicsNeMo, triển khai với các dịch vụ vi mô NVIDIA NIM và trực quan hóa thời gian thực với NVIDIA Omniverse và Kit-CAE.

Quy trình làm việc được minh họa bằng cách sử dụng một tập dữ liệu gồm nhiều thiết kế thân xe Ahmed, cung cấp một ví dụ thực tế cho các kỹ sư và nhà phát triển phần mềm. Tập dữ liệu này đặc biệt phù hợp cho mô phỏng khí động học và được thiết kế để hỗ trợ thử nghiệm nhanh chóng mà không yêu cầu lưu trữ hoặc tài nguyên tính toán lớn. Tính chất mô-đun của quy trình làm việc giúp nó có thể thích ứng với nhiều ứng dụng khác nhau, ngoài khí động học ô tô, tận dụng tốc độ và tính linh hoạt của AI để thúc đẩy các ngành công nghiệp dựa trên mô phỏng.