AI 赋能驱动创新
从历史 CAE 数据生成快速预测模型，加速产品设计决策过程。
学习、预测、可信
学习
直接从几何与物理响应中学习，无需大量人工特征构造；无需进行模型参数化。
- 无参学习，本地化模型训练，GPU 加速训练
- 支持考虑形状、厚度、材料、边界条件以及外部输入参数变化的影响
- 具备迁移学习能力
预测
把数小时的计算缩短为秒级判断，支持标量、矢量和三维场预测。
- 快速实现实时云图、曲线、标量的预测
- 支持静态云图的预测，也支持瞬态动画的预测
- 在新的设计上（CAD 几何或网格）预测
- 1 次预测：数秒 ~ 数分钟
可信
通过误差评估和几何相似度识别超出训练范围的方案，判断何时需要返回高保真仿真。
- 用测试数据验证预测结果
- 预测结果提供置信度例
- 关键设计仍需高保真求解验证
什么情况下适合使用 PhysicsAI
围绕结构、流体、热和制造等物理领域，把预测能力放进已有的仿真建模、设计探索与结果判断流程。
基于历史仿真数据的无参数云图预测
无参学习，本地化模型训练，GPU 加速训练。PhysicsAI 是加速层，不替代求解器。
历史数据
准备已有的历史仿真数据，如历史项目与 DOE 结果。
模型训练
训练几何深度模型：无参学习，本地化训练，GPU 加速。
验证
用测试数据验证误差与适用范围。
预测
在新设计上实时预测云图、曲线与标量。
求解器验证
对关键或低相似度方案做高保真复核。
几何深度学习：从已有仿真结果训练预测模型
跨求解器数据复用
广泛的仿真结果格式支持，可直接读入 Abaqus、Ansys、LS-DYNA、Nastran 等求解器结果文件。
面向网格与 CAD 的几何深度学习
在新的设计上（CAD 几何或网格）预测云图；支持考虑形状、厚度、材料、边界条件以及外部输入参数变化的影响。
KPI 与完整场结果预测
可预测位移、应力、温度、压力、速度等；支持云图、曲线、标量，支持静态云图与瞬态动画。
相似度与超范围识别
通过误差评估和几何相似度，识别超出训练范围的方案。
PhysicsAI 应用案例
外部空气动力学
结果类型：压力云图（time_avg_pressure）。训练数据 12 组，测试数据 9 组；ML Runtime 3 min，CFD Runtime 750 min。
注塑成型：仿真结果与 PhysicsAI 预测结果
| 注塑仿真 | PhysicsAI 预测 | |
|---|---|---|
| 最大翘曲度 | 2.971 mm | 2.908 mm |
| 最小翘曲度 | 0.491 mm | 0.428 mm |
| 时长 | ~ 3+ hrs | ~ 10 sec |
头碰冲击预测：测试集云图
测试集云图：PhysicsAI 预测与仿真真值对比。结果类型：位移，色标范围 0–90。
| 最大位移（Max） | 案例 1 | 案例 2 | 案例 3 | 案例 4 |
|---|---|---|---|---|
| 预测 | 68 | 70 | 65 | 82 |
| 真值 | 89 | 83 | 67 | 84 |
Physical AI 加速机翼设计
加速的设计流程。预测目标：位移。
| 最大位移（Max） | 预测 | 真值 | 置信度 |
|---|---|---|---|
| 测试案例 1 | 53.975 | 51.482 | 0.5936 |
| 测试案例 2 | 68.339 | 68.753 | 0.9995 |
覆盖学科
physicsAI 主要特点
- 无需进行模型参数化
- 通过对历史仿真数据的学习，快速实现实时云图、曲线、标量的预测
- 支持静态云图的预测，也支持瞬态动画的预测
- 广泛的仿真结果格式支持
- 桌面级，本地化模型训练，支持 GPU 加速训练
- 支持考虑形状、厚度、材料、边界条件以及外部输入参数变化对云图的影响
- 在新的设计上（CAD 几何或网格）预测云图
- 具备迁移学习能力
- 功能持续更新中…
仿真结果格式支持
目前直接支持读入的结果文件类型如下；其他文件格式可借助转换工具处理。
- Abaqus
- odb
- Ansys
- rst, rth
- LS-DYNA
- d3plot, d3eigv
- Nastran
- op2, h5, xdb
- Marc
- t16
- PAM-CRASH
- dsy
- Fluent
- ensight
- General
- ensight, unv
关于 PhysicsAI，您可能想知道
训练前需要做模型参数化吗？
不需要。PhysicsAI 是无参学习，直接从几何与物理响应中学习，无需大量人工特征构造。
训练在哪里进行？
桌面级、本地化模型训练，支持 GPU 加速训练。
可以预测哪些结果？
云图、曲线和标量，如位移、应力、温度、压力、速度等；既支持静态云图，也支持瞬态动画的预测。
可以考虑哪些设计变化？
支持考虑形状、厚度、材料、边界条件以及外部输入参数变化的影响，并可在新的设计上（CAD 几何或网格）直接预测。
支持哪些仿真结果格式？
目前直接支持读入 Abaqus（odb）、Ansys（rst, rth）、LS-DYNA（d3plot, d3eigv）、Nastran（op2, h5, xdb）、Marc（t16）、PAM-CRASH（dsy）、Fluent（ensight）以及通用格式（ensight, unv）。其他文件格式可借助转换工具处理。
训练数据需要多少？怎样判断数据是否有代表性？
取决于具体问题。外部空气动力学案例使用 12 组训练数据、9 组测试数据，并用测试数据验证预测结果。数据是否有代表性，可以先用一组已有仿真结果做适用性评估，申请技术评估。
预测结果可信吗？如何判断？
通过误差评估和几何相似度，识别超出训练范围的方案；预测结果同时给出置信度，如机翼案例中的 0.9995 与 0.5936。关键设计仍需高保真求解验证。
PhysicsAI 会替代求解器吗？
不会。它是加速层：预测 → 判断 → 求解验证 → 数据回流。先用预测快速筛选方案，再对关键或低相似度方案做高保真复核。
用您的历史仿真数据，评估 AI 预测能否落地
适用于设计探索和早期决策，关键设计仍以高保真求解验证。