行业动态 — CAE中的AI/ML — 文章目录
AI与机器学习正从研究走进CAE的日常工作流：网格划分的自动化、用代理模型代替部分分析以加速设计探索、由AI生成候选形状的生成式设计，以及把传感器数据与CAE模型实时联动的数字孪生。它们的共同点是不取代物理分析，而是减少需要完整分析的次数。
本目录从行业应用的角度概览这些技术的现状与落地方式。算法本身的详细解说请参阅AI × CAE类别中PINN、代理模型、机器学习网格优化等各篇文章。
收录文章
- AI自动网格划分 — 行业应用概览
AI自动网格划分技术在工程仿真中的应用，包括控制方程、工作流程、性能优化。关键词：自动网格划分、工程仿真、AI机器学习。 - 数字孪生×AI — 传感器数据与CAE模型的实时联动
通过数字孪生×AI实现传感器数据与CAE模型的实时联动，实现预测性维护和性能优化。数据同化、卡尔曼滤波器、CAE分析的集成方法。 - 生成设计与CAE — AI自动生成最优形状的原理与实务应用
什么是生成设计 与拓扑优化的关系 实务工作流程 — 从输入到候选生成 案例：GE LEAP发动机燃料喷嘴 主要工具对比 现状局限与未来展望 什么是生成设计 生成设计是用于3D打印有机形状的技术吗？ 半对，但不只是这样。 - ML加速求解器 ── 用机器学习加速CAE求解器
ML加速求解器介绍了使用机器学习加速FEM和CAE求解器的方法。涵盖神经网络、图神经网络、傅里叶神经算子等主要方法以及精度保证。 - 物理信息神经网络（PINN）
Physics-Informed Neural Networks（PINN）从基础到实现。利用融入物理法则的神经网络加速CAE计算。FEM、微分方程、代理模型。 - 缩约模型（ROM）手法 — POD·Galerkin射影至数字孪生连携
缩约模型（ROM）的原理与实务活用解说。POD＋Galerkin射影将100万自由度压缩至50自由度，实现实时响应预测。 - 代理模型（代理模型）的CAE优化
代理模型是什么 代表性手法的比较 从DOE到代理模型构建的工作流程 实务中的应用事例 精度与陷阱 总结 代理模型是什么 老师，什么是代理模型呢？在优化的语境中听过这个名词，但对具体概念不太清楚 简单说，