【AI+CAE】将航空航天设计方案探索流程从数周压缩到数分钟，AI CAE+隐式建模新型工作流
这是AIE加速工业进化【AI+CAE的现状和未来】系列的第7篇，主要介绍nTop 和 Luminary公司合作推出了一个结合了AI CAE和隐式建模的新的设计工作流。
基础背景：
在航空航天和国防领域，项目开发时间正在不断压缩，但安全、认证和任务保障仍需保持不变。如无人机系统、高超音速演示器和下一代航天平台，原本需要五年的项目周期，现在可能需要在十八个月内完成。传统项目中，领导层也要求在各阶段评审之间进行更快的迭代。
而传统的设计工作流程面临2个瓶颈问题，限制了研发周期提速，使得早期设计选择过早固化，创新受到抑制，而昂贵的意外问题会在项目后期出现。
CAD 脆弱性和早期锁定风险。传统的 CAD 系统在参数化灵活性方面存在困难。一个简单的变更可能会破坏几何形状依赖关系，导致工程师陷入繁琐的修复周期。这种脆弱性会阻碍探索，并迫使团队过早做出承诺。
仿真瓶颈。即使拥有充足的计算资源，传统求解器仍需串行运行且扩展性差。工程师可能只能在有限的时间内测试少量设计，从而缩小设计空间，并将可制造性与性能之间的权衡问题下移。
这些限制导致设计到关键评审时仅进行了有限的探索，增加了在初步设计评审（PDR）或关键设计评审（CDR）后需要进行重新设计的风险。
解决方案：
nTop 与 Luminary 的合作通过一种全新的模型解决了以上瓶颈，该模型使设计迭代更快、更稳健，并为决策提供了更多信息。
nTop： 实现大规模快速、稳健的参数化建模计算设计。nTop 用隐式建模替换易碎的几何形状，将设计意图编码为可重用的逻辑。工程师不再手动构建零件，而是定义一个可动态探索的飞机参数化外壳，而不会出现几何形状故障。
Luminary Cloud ：AI 工厂训练AI仿真模型。Luminary 针对数千个设计进行网格划分、仿真计算，形成训练数据集。基于这些数据集在AI工厂训练出高保真的AI 仿真模型，用于后续大规模推理。
具体步骤：
建立参数化设计空间。nTop 创建一个完全参数化的飞机模型，并在广阔的设计范围内快速生成了数百种设计变体。
大规模生成仿真数据。Luminary 利用其 GPU 本地求解器和云并行性，在几分钟内完成设计仿真。
训练 AI 模型。利用NVIDIA PhysicsNeMo DoMINO 训练用于推理新设计仿真结果的模型。DoMINO 训练在 8 块 A100 GPU 上完成，训练后的模型验证损失低于 5%。
通过逆向设计进行优化。模型训练完成后，围绕模型封装一个优化器，以实现性能目标（例如最大化航程）。关键指标，包括升力和阻力，直接从集成的飞机表面预测中计算得出。
通过此方案，每个设计方案推理时间从 1.5 小时缩短到 3 分钟。数百种方案，AI 模型的预测结果与 CFD计算的误差在5%以内。
以上过程适合早期阶段探索，在后期仍会应用 CFD计算以保证严谨性。
方案价值
这个工作流程并不会消除阶段的设计审查，而是在初步设计评审和关键设计评审之前实现更广泛的探索，使团队能够提出更稳健、更易于理解的选项供评审，从而保证在进行后续高保真模拟和测试活动之前，主要风险已经被揭示并减少。
主要优势包括：
减少下游重新设计 ：早期探索降低了后期发现导致进度延误的风险。
更广阔的设计权衡空间：在需求固化之前，可以评估数百种替代方案。
程序信心：领导者面对更清晰的数据、更好的权衡可见性和更低的不确定性。
供应商协同：参数化模型和基于物理的替代模型可以跨越组织边界共享，减少多承包商环境中的摩擦。
