Altair° physicsAI� 深度集成� HyperMesh°中。其利用几何深度学习技术、基于历史仿真数据，学习几何外形与性能之间的关系，实现快速的物理场预测，而无需事先对模型进行参数化。一旦经过训练，physicsA1 模型的预测速度比传统求解器仿真快成百上千倍，使工程师团队能够评估更多的概念并做出更好的设计决策、�/strong>

产品亮点

• 无需模型参数匕�/p>

• 桌面级、本地化安装使用，无需上传数据到云�?/p>

• 支持GPU加速训绂�/p>

• 先进的几何深度学习方�?Geometric Deep Learning)

• 训练完成后可以直接对CAD/CAE模型预测云图

• 训练完成的模型可导出单独使用

• 可以通过命令行驱动，也可以集成到多学科优化平台HyperStudy实现多目标寻众�/p>

主要功能

physicsAl无需事先进行模型参数化利用几何深度学习技术、基于历史仿真数据学习几何外形与性能之间的关系、�/p>

physicsAl也支持考虑除形状外的外部输入参数，如材料、厚度、工艺参数、静力学边界条件等、�/p>

physicsAl支持模型中包�?D� 1D.

2D�?D单元，一阶、二阶单元均支持、�/p>

physicsAl支持静态和瞬态仿真数据。瞬态数据需要保证不同结果文件中包含数量相同的时间步、�/p>

physicsAl可直接对CAD/CAE模型进行全模型云图预测，也可对曲线或标量性能进行预测、�/p>

physicsAl训练完成的模型可以通过命令行驱动，也可以集成到多学科优化平台HyperStudy实现多目标寻优、�/p>

高度集成、学科中竊�/strong>

physicsAI工作流程简单明了，高度集成于HyperMesh环境。学科中立，可广泛应用于不同学科和行业，如结构、碰撞、CFD、电磁、制造等、�/p>

直接支持的原生数据格弎�/strong>

OptiStmuct (.h3d)

Radioss (.h3d/*A001/.gz)ABAQUS (odb)LS-DYNA(*d3plot/ *d3int/*intfor /.ptf)PAM-CRASH(.dsy/erfh5)FEMZIP(.fz/*d3plot*)

间接支持更广泛数据格弎�/strong>

HvTrans支持对HyperView支持的任意类型的工程数据进行提取、转换和压缩,并生成h3d格式、�/p>

对于Hyperview无法支持的小众数据格式，可以将数据保存成文本或excel数据表等格式，使用Altair Compose或HvTrans直接转成h3d格式、�/p>

执行与部罱�/strong>

physicsAl兼容性高，个人笔记本/工作站均支持安装使用。physicsAl也可以将训练过程远程提交到其他服务器或HPC环境、�/p>

physicsAl支持使用CPU训练。对于训练集数量大，模型规模大，训练超参数设置高的情况，建议使用GPU加速训练、�/p>