s在《工业软件产品设计—AI加速CAE仿真:步骤完善与用户体验目标》一文中,笔者提供了一个步骤完善及体验目标表格,并给自己挖了一个大坑(分析几家CAE软件的AI模块),本期终于来填坑了。
s完整表格可点击上方链接查看
鉴于大部分厂商在AI仿真方面都是起步不久,所以选了个做的久一点的先开刀——Altair PhysicsAI。
Altair HyperWorks 在 2022.3 首次发布了PhysicsAI,可利用历史仿真数据进行快速物理预测。
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。
提供数据采集工具或接口,方便用户从仿真软件或实验设备中获取数据(乄)
支持多种数据格式导入,如CSV、Excel、JSON等(√)
PhysicsAI的文件读取技术利用 HyperWorks 生态系统的通用技术,支持Hyperview可以解析的任何结果文件(下表展示了支持格式),不过没有看到与数据采集设备的接口,可能其产品定位本身也不需要与硬件打通。
提供数据预览和基本统计分析功能,帮助用户了解数据质量(乄)
未发现数据统计分析相关功能,数据导入后可以可视化预览。
在 PhysicsAI 2025.0 版本中,如果有零件不包含任何结果,会自动检测,并将这些部件在训练和预测中排除。
提供清晰的数据上传界面,支持拖拽上传和批量上传(乄)
支持批量上传本地文件,不能拖拽上传。
显示上传进度和状态,并提供错误提示和重试机制(√)
对上传数据进行初步校验,如格式检查、数据完整性检查等(乄)
提供了模型预览功能(Display File),可以可视化训练数据。但未发现数据校核、完整性检查等功能。
提供多种AI模型算法选择,并给出算法简介和适用场景(乄)
PhysicsAI 提供了两种可用于训练的 AI 算法: 图卷积网络Graph Context Neural Simulator (GCNS) 和 Transformer 神经模拟器 (TNS)
对于如何选择AI算法,在帮助手册的常见问题中做出了回应。
支持自定义模型参数配置,并提供参数说明和推荐值(√)
可配置参数有:深度(depth),宽度(width), 周期(epochs)、学习率、迭代次数、输入特征、输出参数等参数。有默认值,也可自定义。
显示模型训练进度和资源占用情况,并提供训练日志查看功能(√)
可以在log日志里查看训练状态(show log功能)
可以查看损失曲线(Loss Curve),这些曲线可用于可视化训练过程的进度。
提供参数配置界面,支持手动输入和选择推荐值(√)
提供参数说明和取值范围,帮助用户理解参数含义(√)
鼠标悬停注释会说明每个参数含义及取值范围。
支持参数组合保存和加载,方便用户进行不同参数组合的尝试(乄)
未发现参数组合保存功能,不过Altair官方文档中说: PhysicsAI 工作流允许重复训练模型来比较不同设置。这些实验可能提供经验证据,证明类似的项目使用类似的设置,可能会获得最佳结果。
提供模型验证指标和可视化结果,如准确率、误差分析等(√)
提供了模型测试功能,模型验证指标有平均绝对误差 (MAE),可以可视化查看测试结果,与常规求解结果对比(show results)
支持验证数据集上传和划分,方便用户进行模型评估(√)
可以通过设置比例在上传数据中直接划分出验证集。
提供模型对比功能,方便用户选择最优模型(√)
可添加多个模型进行对比
提供简洁易用的预测界面,支持输入数据导入和手动输入(√)
显示预测结果和置信度,并提供结果解释和可视化展示(√)
支持批量预测和结果导出,方便用户进行后续分析(√)
导入一个新的模型,使用上面的训练模型进行仿真结果预测,可以可视化查看预测结果,提供置信度分数。
可以通过批处理脚本实现批量预测和结果导出。
提供多种部署方式选择,如云端部署、本地部署等(×)
提供部署向导和文档,指导用户完成部署过程(×)
监控模型运行状态和性能,并提供预警和故障排除功能(×)
未发现PhysicsAI训练后的AI模型能够独立部署到其他地方的方式。
提供可视化界面配置工具,方便用户自定义预测界面(乄)
支持多种界面元素添加和布局调整,如图表、文本框等(乄)
提供界面预览功能,方便用户实时查看配置效果(乄)
PhysicsAI集成在Hyperworks下,遵循Hyperworks的界面配置功能,没太深入研究这块。
PhysicsAI的功能从流程上看整体比较完善,但是有的细节还能继续提高,本文只是简单分析,若有遗漏欢迎补充。笔者不是算法研发人员,无法评价其算法设计。由于是第一个被分析对象,缺乏对比,没有对比就没有伤害,期待后续其他软件能有更出彩的设计。