2020年仿真软件的未来预测

[[318006]]

人工智能和机器学习

像许多其他行业和技术一样，人工智能和机器学习将在2020年将扮演重要角色。对于仿真技术来说，显然有机会利用人工智能和机器学习来完成基本流程和管理，以节省工程师的时间或简化程序。参数的设置就是这样的领域之一。机器学习引擎可以监控高级工程师对仿真工具的使用，包括他们如何使用仿真工具以及设置哪些参数，然后在一定程度上为经验不足的工程师准确地重新创建仿真工具，并使他们能够使用该工具。

对于一家拥有数千名员工的航空航天公司来说，目前只有5%的员工可以使用仿真技术，而人工智能和机器学习将使其更易于使用，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，通过应用程序编程接口(API)相互集成，并在Microsoft Azure或AWS等云平台上可扩展运行，其结果是将实现更高的可访问性、更高的灵活性、可重复使用性的许多不同的任务。这些API还可以使仿真用户将ANSYS工具与其他任何公司的系统连接起来，从而实现真正的开放平台。

超大规模仿真

许多类型的软件对用户的主要挑战之一是运行时间。他们越来越要求更快的运行时间，而仿真也是如此。而在2020年将重点放在仿真上。

一种运行速度更快的方法是通过并行计算。多年来，并行计算已经涵盖了许多不同的形式，从共享内存处理(SMP)到消息传递接口(MPI)到基于精细GPU的并行性再到基于任务的并行性。对于超大规模，使用所有形式的算法，包括GPU、SMP、MPI，并采用基于超大规模计算机的算法。这意味着客户将能够利用超大规模仿真技术并运行以前可能需要10,000个小时才能完成的仿真，并且由于它在更多的内核上运行，因此可以显著减少运行时间，并且可能仅需几分钟或几小时即可完成。

在这方面有很多工作要做。到2020年，要达到所描述的程度的超大规模还为时过早，但它将在未来十年内实现。

预测性强健的设计

为了提高效率和节省成本，许多制造商和服务提供商已消除了过度设计，而将重点放在了简约设计上。例如高速公路旁需要建设一个50平方米的停机坪，那么只建设50平方米，而不是以往“以防万一”的100平方米。问题在于，所有因素都可能发生变化，这意味着所需停机坪面积的计算可能因项目而异。因此在某种场合下适合建设50平方米的停机坪，而在另一种场合则不适合。

通过仿真进行的稳健设计可解决此类不确定性，并且在2020年将越来越多地采用这种不确定性。使用模拟评估材料并计算不确定性，可防止产品和服务的过度设计和设计不足;与其说500%的安全系数过高并且低效，不如说是100%的安全系数没有任何变化的余地，但稳健的设计可以在110%的安全系数下进行。

了解材料变量以及随后计算理想安全系数的能力的关键是材料智能化。这是ANSYS公司决定收购Granta Design的决定的背后原因，后者决定提高ANSYS在该领域的能力，并使仿真工具的用户能够在不确定性的情况下量化，以验证其产品和服务，并确保最佳的安全系数。

走向数字化

仿真已经是数字化了，对吗?是的，但是它也越来越涵盖物理世界。最近，由于物联网(IOT)、数字孪生的使用量猛增，并将继续增长。在这里，工程师正在对物理部件的信息进行数字化处理，从而使他们能够分析性能并监控系统，以在实际组件或机器出现问题之前解决它们。现在，该技术已经确立了自己的地位并证明了其价值，通过帮助减少停机时间和相关成本，其采用率将呈上升趋势。

然后要考虑增强现实(AR)和虚拟现实(VR)。目前，工程师可以在2D屏幕上可视化其模拟设计，但是随着增强现实(AR)和虚拟现实(VR)技术的加速和可访问性，他们很快将在3D环境中的增强现实(AR)和虚拟现实(VR)耳机(例如Oculus产品组合)中可视化其设计。数据将更易于评估，设计将更易于理解、编辑和测试，从而使流程更精简、更有效。

数字化转型

设计、测试、维护——仿真在这些活动中起着至关重要的作用。但是，产品或零件在哪里出现故障呢?那么，仿真又能有什么帮助呢?通过制造商数字化改造他们的运营，他们可以调整所有活动，从最初的设计，到制造，到销售和追踪每一个部分。因此，如果某一车型的刹车出现问题，可以追溯到最初的模拟设计，并对该设计进行审查，快速识别出缺陷。然后，如果模型被召回，那么问题可以比通过人工测试过程更快、更具成本效益地解决，而人工测试过程可能需要更长的时间和更高的成本来确定问题。

这种数字化转型对大多数企业来说是一项艰巨的任务，但许多企业已经开始进行转型。预计2020年这一进程将加快，大型制造商将在年底前完成这一过程。

新领域的模拟

在许多现实世界中的多物理场的条件下，仿真技术已经得到了认可，并且在2020年，将看到模拟软件提供商突破技术的边界来解决物理的其他领域中的问题。用于医疗保健的化学是当前未被多物理场模拟广泛应用的领域，但将从中受益。

实际上这是什么样的?新药的临床试验需要在人体上进行测试，但是有一天，通过仿真技术，可以完全通过模拟进行试验。消除了在数千名测试对象上使用该药物的需要，并且消除了巨大的试验成本，并且在无法进行试验的地方(例如，针对儿童进行试验)，模拟的应用也非常广泛。类似地，在医疗保健领域，心脏病发作是由于血液凝块引起的，仿真可以用来识别正确的药物来稀释血液和溶解凝块。

进行创新

当今技术的本质是，任何人都可以创建工具以替代已经使用多年的工具。硅谷的一家初创公司可以创建一种全新的方式来完成任务或解决问题并颠覆现有任务。过去许多被遗忘的企业未能为这种风险做好准备，因此必须不遗余力地通过创新来应对风险，而不是忽略这种情况发生的几率。

不要等到被颠覆才改变自己!在实践中，iPhone就是一个很好的例子。苹果公司用更新的产品取代原有的产品。仿真技术也是如此，行业厂商需要努力通过新技术颠覆仿真技术。