昌暉儀表通過E-works數(shù)字化企業(yè)網(wǎng)總編 、CEO黃培先生以及安世亞太高級副總裁田鋒先生的對話內(nèi)容共同探討仿真與數(shù)字孿生、人工智能之間的奧秘。
黃培
數(shù)字孿生強調(diào)虛實融合，對仿真技術的實時性有更高的要求，這方面請您談談實現(xiàn)的策略。
田鋒
數(shù)字孿生體中的仿真一定是實時的，否則就沒有意義，跟過去的仿真就沒區(qū)別。可以說，實時性是仿真和數(shù)字孿生體的重要區(qū)別。實時性要考慮兩個維度，第一個維度是實時收集數(shù)據(jù)。比如仿真的邊界條件，邊界條件要有初始條件才能去計算。如果缺少初始條件和邊界條件，就無法得出實時的結果。這兩個條件是實時的，需要從物聯(lián)網(wǎng)中獲得。如同數(shù)字孿生體的神經(jīng)一般，通過收集實時數(shù)據(jù)，然后才能實施仿真。這是第一個維度。第二個維度就是速度?，F(xiàn)在能保證速度的是系統(tǒng)仿真(0維)以及一維仿真，比如電路管路，就是一維仿真。比較慢的是三維仿真，就是CAE 技術，目前CAE很難做到實時，它的任何一個計算都比一維和0維要慢很多。所以數(shù)字孿生體中三維仿真要通過降階來發(fā)揮作用。三維仿真的計算結果是全息的，從各個角度觀察都能得到對應的結果，但是在實踐中我們不需要全息數(shù)據(jù)，只需要特定場景的一條數(shù)據(jù)曲線去驅動孿生體。這條曲線就是用三維計算結果經(jīng)過一個降階的過程形成的，采用類似人工智能的擬合技術，在特定要求之下得到的一條曲線類或曲面類的模型，這個模型就是實時的、是0維的。這樣就實現(xiàn)了三維仿真的結果參與到數(shù)字孿生體中的目的。每一次降階目的是特定的，換一個目的就要重新降階一次。所以數(shù)字孿生體的目的必須是明確的，從而實現(xiàn)三維仿真幫助數(shù)字孿生體達成正確的結果。
黃培
是不是可以理解為降階模型就是三維仿真結果的近似解？
田鋒
是的，擬合解。需要做大量的計算，在各種邊際條件、不同工況下、各種時間情況下，做幾百種仿真，做完之后，根據(jù)需求進行降階，提供所需要的曲線或者曲面。
黃培
您剛剛也提到了人工智能的應用，最近幾年，隨著人工智能技術的快速發(fā)展以及開源應用，人工智能技術的應用領域越來越廣。您認為仿真技術與人工智能技術能否實現(xiàn)、如何實現(xiàn)融合應用？
田鋒
仿真是基于明確的機理、邊界條件和初始條件才能計算的學科。但很多情況下很多事物無法明確，就不能仿真。比如湍流是用概率的方式計算的，并不是真實的數(shù)據(jù)，因此只能解決一部分問題。還有復合材料，很難得到真正的材料數(shù)據(jù)。還有多目標優(yōu)化，一開始也是基于不確定方向，降階也是一種結果的延伸。那么如何得知確定性以外的不確定性呢？可以用AI的手段去推測出基本符合要求的函數(shù)， 用AI幫助仿真。比如湍流問題，各種數(shù)據(jù)測完之后，AI提供一個函數(shù)就可以繼續(xù)參與計算。復合材料也是如此，用外界的數(shù)據(jù)推測里面的結果，然后推測出一個函數(shù)參與計算。不完整的邊界條件也是如此，根據(jù)現(xiàn)有的表現(xiàn)讓AI推測不知道的地方。但是這些都不是物理的邏輯，而是數(shù)學的邏輯。AI幫助仿真從完全的不確定性走向了部分的確定性，二者用這種方式實現(xiàn)了融合。
現(xiàn)在更多的AI的應用不是仿真，而是提出第四范式的概念。科學研究過去有三個范式：理論、實驗、計算拓展?，F(xiàn)在提出第四段就是 AI ，彌補仿真的不足，可以認為這是一種新仿真、新范式。
黃培
談到 AI 的時候，我們很多時候是完全基于數(shù)據(jù)去建模。如果能夠把背后的機理知識融合進來，是否會使 AI 的結果更加準確或更具可解釋性？
田鋒
是的。在 AI 學習的過程中，有無監(jiān)督學習和監(jiān)督學習兩種狀態(tài)。無監(jiān)督學習依靠AI自己發(fā)揮。監(jiān)督學習，是把人的確定性的經(jīng)驗干預到學習過程中，它的可解釋性就變得更高了，就是您所說的這種情況。
