仿真软件的未来预测

使其更易于使用，因此也许有15%～20%的员工可以使用它。显然这是该公司的胜利，它现在可以在仿真过程上投入更多的时间和精力，而无需雇用更多的高级工程师。

人工智能/机器学习可以帮助仿真技术的另一个领域是使用数据驱动的或具有物理信息的神经网络解算器将仿真速度提高几个数量级。这些更新的人工智能/机器学习方法不是使用传统的数值方法(例如有限元或有限体积方法)来求解二阶偏微分方程(PDE)，而是使用神经网络来求解二阶偏微分方程(PDE)。这些方法已显示可用于简单的几何形状和边界条件，行业专家正在努力将这些新方法应用于现实世界中的复杂问题。

多物理场交互

多物理场作为一个概念可以追溯到50年前。随着它的发展，已经面临许多挑战，而如今是不同物理工具之间的相互作用。从历史上看，工程师会使用不同的物理模拟工具来克服产品的各种设计问题。以计算机芯片为例：用户可以模拟芯片散发的热量，然后分析其如何影响其所容纳的电路板，然后找到解决方案以冷却芯片以保护电路板免受损坏开裂。

虽然提到的逐步方法多年来一直是最好的选择，但工程师们要求同时解决这些问题。

这种多学科的优化将减少分析产品(无论是芯片还是其他产品)，并减少工程师面临的任何问题找到正确解决方案所需的时间。这样能够以更低的成本获得更好的产品。

ANSYS公司收购了仿真过程集成和设计优化领导者Dynardo公司，使该公司可以更进一步地实现多物理场交互，并使客户能够更快、更经济地确定最佳产品设计。在未来的一年中，将进一步推动仿真技术的发展。

模拟微服务

人们还将看到“用于仿真的微服务”领域的进展，由此将仿真的主要部分(例如，几何、网格划分、求解器、最后是后处理服务)从一个整体过程转变为专用过程。从一个整体过程转换为专用的单独部分。模拟所需的步骤将是独立的;将有几何服务、网格划分服务、解算器服务和后处理服务，而不是一个单一的过程。

然后，这些服务可以由不同的产品使用，通过应用程序编

（编辑：信阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!