Altair physicsAI是基于几何深度学习（Geometric Deep Learning）的Simulation+AI工具，可基于样本数据进行模型训练，从而对相似结构的模型进行仿真结果预测。physicsAI可基于历史仿真数据进行几何深度学习，而不需要对模型进行手工参数化处理，从而可避免参数化设置不准确或有些模型很难进行参数化。使用physicsAI可以达到如下几个目的：

（1）使用PhysicsAI无需编程，可以直接在网格或几何模型上进行仿真结果预测，省去了有限元分析复杂的建模、前处理流程，可以快速得到仿真结果，加速产品开发周期；

（2）PhysicsAI支持设计探索，可以帮助设计工程师得到更多更好的设计方案；

（3）基于几何深度学习，并通过置信度保证预测的准确性，无需进行模型参数化，大大提高了预测结果的准确性，可以基于任意物理场（结构、流体、电磁等）进行仿真预测。

PhysicsAI集成在Hyperworks工作流程中，支持Hyperworks结构、流体、碰撞、制造等各模块原生的CAE仿真结构文件，可直接使用这些仿真的历史数据进行模型训练。使用PhysicsAI模块需安装HyperWorks 2023 以上版本，支持Nvidia GPU训练，需要至少8G以上的显存。支持本地或远程HPC训练样本。模型训练时间和样本数量及结果数据文件的网格数量有关。训练样本需要.h3d .fem .rad仿真结果格式, 预测可以用 parasolid 几何模型或面网格。

下面通过一个铸件的训练和预测来介绍一下在Hyperworks中使用PhysicsAI的基本流程。

1、通过样本数据进行模型求解，得到多个不同模型的求解结果文件用来作为训练样本。

2、在PhysicsAI中使用以上求解结果文件进行几何深度学习训练，在训练时设置深度（depth）,宽度（width）, 周期（epochs）等参数。

此文章为微信公众号原创文章，查看全部文章内容请关注微信公众号“数字化设计CAX联盟”，回复数字：8543查看。