人工智能在设计和工程工作流中的应用.docx

白皮书

人工智能

在设计和工程

工作流中的应用

DE247

DigitalEngineering

算法驱动型工程

随着产品变得越来越复杂，设计和工程工作流必须不断演进，帮助公司满足市场需求，以

随

更快的速度打造出创新的设计。新型材料的出现，效率、可持续性和轻量化方面监管

压力的增加，以及3D打印等全新制造方法的使用，也给工程带来了新的挑战。

借助传统的设计工作流，工程师难以充分探索设计空间并快速提出解决方案来应对新出现的挑战。组织必须能够快速迭代，快速测试和验证这些迭代，然后让非专业工程师分析和模拟这些设计，以便跟上发展的步伐。

人工智能(AI)和机器学习(ML)等技术有助于工程师发现新颖的解决方案、利用大量现有模拟数据并改进最终设计，从而帮助加快设计和模拟流程。设计和模拟软件供应商正着手将AI和ML整合到其解决方案中，利用配备现代化GPU的强大新型工程工作站，大幅提升算力。

在本白皮书中，我们将介绍AI是如何融入到设计和工程解决方案及工作流的，以及新的工作站和高性能计算(HPC)解决方案如何让工程师能够有效利用这些功能。

数字工程/人工智能在设计和工程工作流中的应用2

AI工程应用场景

人工智能已经通过算法驱动型解决方案（如生成式设计）在整个设计周期得到利用。由于使

人

用了降阶模型(ROM)，验证可快速完成；模拟流程推进得更快、更易实施；用户可创建虚拟环境和数字孪生，甚至改善软件训练和支持。

说到AI，有一些关键术语有时可互换使用，但用户必须准确理解它们的含义：

人工智能：使得计算机能够模仿人类的智力和认知功能来完成任务。

机器学习：AI的一个分支，涉及训练计算机解决特定问题。这些系统试图在追求特定目标时尽量减少预测误差。

深度学习：机器学习的一个分支，使用神经网络（类似于人脑的概念）来解决问题。深度学习需要大量数据。

生成式AI：深度学习的一个分支，使用神经网络根据文本、图像、计算机软件等数据理解上下文，从而创建与人类生成的内容相似的新内容。ChatGPT可能是最为人所知的一个生成式AI示例。

在工程领域，上述技术被广泛部署在各种计算机辅助设计(CAD)、工程模拟(CAE)和制造相关解决方案中，以优化设计周期的各个部分并实现其自动化。大多数情况下，这些解决方案利用大量现有设计和模拟数据来帮助工程师更快地识别优秀的设计、分析和验证这些设计，并优化生产。

这些基于AI/ML的工具可以帮助简化整个设计周期中的任务，帮助工程师更快地探索设计空间、更快地打造出更好的设计，并利用现有数据集快速完成推理和分析。CAD和模拟中出现了几个具体的应用场景，可以证明这些优势。

AI在产品设计中的应用

在设计和CAD场景中，由于生成式设计工具的出现，AI已经产生了切实的影响。此软件（大多数主要CAD解决方案供应商都有提供）会利用AI和ML，根据预定义的限制条件创建一系列出色的设计方案。生成式设计工具要求工程师预先确定这些限制条件（包括散热性能、刚度、材料选项甚至具体的制造工艺等等），随后软件可以创建数百甚至数千个选项供评估。然后，工程师可以通过微调限制条件来缩减选项。生成式设计同时拓宽了设计空间的范围，并且让设计人员能够更轻松、更快速地找到最终解决方案。

在电子CAD(ECAD)领域，有些公司还开发了支持AI的软件工具，可帮助设计人员加快印刷电路板(PCB)设计速度。这些工具使用过去设计中的数据，能够帮助实现电路板布局布线设计自动化，提高工作效率。

可以想象，借助未来基于AI的工具，工程师将可以使用自然语言提示来创建特定设计的多个迭代。此类系统可用于高层级设计概念，或帮助工程师找到全新的方法来减轻组件或系统重量等。

AI驱动的渲染和可视化工具也在不断涌现。例如，NVIDIAAI利用开放源代码StableDiffusion模型，允许用户使用文本提示生成2D草图和图像。新创公司DepixTechnologies推出了一种工具，可让用户使用简单的文本提示创建高动态范围(HDR)全景图像和背板。

数字工程/人工智能在设计和工程工作流中的应用3

AI功能也可以在制造流程中使用。举例来说，事实证明，生成式设计对于帮助用户利用增材制造技术非常有价值，因为它们可以创建在机械加工或成型环境中不可能实现的形状和晶格。由于AI技术能够评估大型数据集并识别模式，因此可以通过预测给定材料和打印过程的变形模式来实现3D打印机设置自动化。

在计算机辅助制造(CAM)和制造领域，还有一些公司利