CFD-Simulation und Deep Learning Was-wäre-wenn-Analysen in Minuten statt Tagen

Anbieter zum Thema

Siemens Digital Industries Software

CADFEM Germany GmbH

ITWH Inst.f.technisch- wissensch. Hydrologie GmbH

WIFI Österreich

Mit dem neuen PhysicsAI-Add-on von Siemens lassen sich, unterstützt durch geometrisches Deep Learning, CFD-Designstudien beschleunigen. So soll sich die Analysezeit von Tagen auf Minuten verkürzen, und zwar ohne Abstriche bei der Genauigkeit.

Siemens erweitert sein Portfolio an Simulations- und Testlösungen für den Maschinenbau um die Software Simcenter PhysicsAI. Dieses Add-on ermöglicht es Ingenieuren und Konstrukteuren, mit vorhandenen CFD-Simulationsdaten und Deep Learning neue Designkonzepte und Varianten in kurzer Zeit fundiert zu bewerten.

Mehr Effizienz durch KI-gestützte Modelle

Simcenter PhysicsAI integriert geometrische Deep Learning-Technologie in die Umgebung von Siemens Simcenter STAR-CCM+, um Designstudien zu beschleunigen. Mit den neuen Funktionen können Anwender aus vorhandenen CFD-Simulationsdaten effiziente KI-basierte Modelle reduzierter Ordnung (Reduced Order Models, ROMs) erstellen. Diese Modelle erlauben „Was-wäre-wenn“-Analysen in einem Bruchteil der Zeit – laut Siemens etwa 1‘000-mal schneller als bei herkömmlichen Arbeitsabläufen – und verbrauchen dabei deutlich weniger Rechenressourcen als klassische Solver-Läufe.

Skalierbare Genauigkeit statt deterministischer Wahrheit

„Technische Simulationen werden heute nicht mehr primär durch die Physik begrenzt, sondern durch die Geschwindigkeit, mit der Varianten analysiert werden können“, erklärt Sam Mahalingam, Executive Vice President für Simulation, HPC und KI bei Siemens Digital Industries Software. „Unsere Strategie hilft Kunden, aus früheren Projekten zu lernen und KI als Werkzeug für Innovationen zu nutzen. Wir ersetzen dabei nicht die deterministische Genauigkeit, sondern machen sie unmittelbar verfügbar und skalierbar.“ Ziel sei es, Ingenieure von repetitiven Aufgaben zu entlasten, damit sie sich auf die kreative Lösungsfindung konzentrieren können.

Nahtlose Integration und Validierung

Das Modul ermöglicht es, KI-Ersatzmodelle direkt anhand früherer Simulationsergebnisse zu trainieren und zu validieren. Vorhersagen für neue Geometrien erfolgen nahezu instanziiert innerhalb der vertrauten Simulationsumgebung. Dabei bleibt der Zugriff auf hochpräzise CFD-Simulationen als Referenz zur Validierung jederzeit bestehen. Dies erlaubt es Teams, die Durchlaufzeiten auf wenige Minuten zu verkürzen und eine deutlich höhere Anzahl an Designvarianten bei geringerem Rechenaufwand zu untersuchen.

Die Kernfunktionen im Überblick:

1. Umfassende Erkundung des Parameterraums: Die Leistungsfähigkeit tausender Varianten kann innerhalb von Minuten bewertet werden. Die Basis bildet eine Transformer-basierte neuronale Netzwerkarchitektur, die speziell für geometrische Daten optimiert wurde.ms:
2. Nutzung historischer Daten: KI-Modelle werden anhand vorhandener Simulationsdaten und neu generierter Ergebnisse (z. B. aus Design-of-Experiments-Studien) trainiert, was den Bedarf an neuen, rechenintensiven CFD-Simulationen minimiert.
3. Beschleunigte Iterationszyklen: Nach dem Training wird das erste Screening von Varianten von den klassischen Solvern auf die KI-Inferenz verlagert. So lassen sich Hunderte von Varianten in Stunden statt Wochen prüfen.
4. Integrierte Validierung: Die Genauigkeit der Vorhersagen wird durch Fehlerkennzahlen quantifiziert. Tools zur Validierung stellen sicher, dass die KI die korrekten Leistungstrends abbildet.
5. GPU-Beschleunigung: Simcenter PhysicsAI nutzt GPU-Ressourcen für maximale Performance. Die Vorhersagen laufen auf der GPU bis zu 100-mal schneller ab als auf einer CPU.

Verfügbarkeit

Simcenter PhysicsAI ist ab sofort als Add-on für Simcenter STAR-CCM+ verfügbar. Nutzer profitieren dabei von der kontinuierlichen Weiterentwicklung innerhalb des gemeinsamen Produktökosystems von Siemens und Altair.

Weitere Informationen: https://www.siemens.com/de-de/

Lesen Sie auch: Quantencomputing für die Simulation -- was die Rechenmauer durchbrechen könnte. 

PLM: Virtuelles Event am 9. Juni

Mehr Produktivität trotz Fachkräftemangel