Elektroteknik – Multifysik og AI-Understøttede Simuleringer
views
AI eller Deep Neural Networks (DNN) baserede surrogatmodeller, kan understøtte multifysik simuleringer og giver mulighed for hurtigere simuleringer, og sparer ressourcer, uden at gå på kompromis med nøjagtigheden.
Foredragsholder: Thure Ralfs, CEO, COMSOL
Elektrotekniske simuleringer handler ikke kun om elektromagnetisme; for at skabe realistiske virtuelle prototyper af virkelige komponenter er det ofte nødvendigt at inkludere andre fysikdomæner, såsom:
Varmetransport:
Mekanik:
Akustik:
Integration med Kredsløbssimuleringer
Klassisk er elektronik simuleret med kredsløbssimuleringer som f.eks. SPICE, og de fysiske 3D modeller kombineres ofte med kredsløbssimuleringer på en af to måder:
Drive 3D-modeller med kredsløbssimulering:
Integrerede simuleringer for at drive præcise 3D-modeller med klassiske kredsløbssimuleringer (SPICE).
Udtrækning af komponentværdier:
Udtræk komponentværdier fra 3D-simuleringer til brug i efterfølgende kredsløbssimuleringer, for at forbedre nøjagtigheden og realistisk opførsel af modellen.
AI-Understøttede Surrogatmodeller
I forbindelse med f.eks.
kan der opstå behov for meget hurtige modeller. Her kan AI eller Deep Neural Networks (DNN) baserede surrogatmodeller være løsningen. Disse modeller giver mulighed for hurtigere simuleringer, hvilket sparer tid og ressourcer uden at gå på kompromis med nøjagtigheden.