人工智能在设计和工程工作流中的应用.pdfVIP

白皮书

人工智能

在设计和工程

工作流中的应用

算法驱动型工程

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，工程师难以充分在本白皮书中，我们将介绍AI是如何融入

探索设计空间并快速提出解决方案来应对到设计和工程解决方案及工作流的，以及新

新出现的挑战。组织必须能够快速迭代，的工作站和高性能计算(HPC)解决方案如何

快速测试和验证这些迭代，然后让非专业让工程师能够有效利用这些功能。

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。

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

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AI在产品设计中的应用

用户必须准确理解它们的含义：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

人工智能：使得计算机能够模仿人类的智力和多数主要CAD解决方案供应商都有提供）会利

认知功能来完成任务。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

机器学习：AI的一个分支，涉及训练计算机解师预先确定这些限制条件（包括散热性能、刚

决特定问题。这些系统试图在追求特定目标时度、材料选项甚至具体的制造工艺等等），随

尽量减少预测误差。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

深度学习：机器学习的一个分支，使用神经网项。生成式设计同时拓宽了设计空间的范围，

络（类似于人脑的概念）来解决问题。深度学并且让设计人员能够更轻松、更快速地找到最

习需要大量数据。终解决方案。

生成式AI：深度学习的一个分支，使用神经网在电子CAD(ECAD)领域，有些公司还开发了支

络根据文本、图像、计算机软件等数据理解上持AI的软件工具，可帮助设计人员加快印刷电

下文，从而创建与人类生成的内容相似的新内路板(PCB)设计速度。这些工具使用过去设计中

容。ChatGPT可能是最为人所知的一个生成式的数据，能够帮助实现电路板布局布线设计自

AI示例。动化，提高工作效率。

在工程领域，上述技术被广泛部署在各种计算可以想象，借助未来基于AI的工具，工程师将可

机辅助设计(CAD)、工程模拟(CAE)和制造相以使用自然语言提示来创建特定设计的多个迭代。此

关解决方案中，以优化设计周期的各个部分并类系统可用于高层级设计概念，或帮助工程师找到全

实现其自动化。大多数情况下，这些解决方案新的方法来减轻组件或系统重量等。

利用大量现有设计和模拟数据来帮助工程师更

AI驱动的渲染