SimArk AI Builder
SimArk AI Builder
基于“ 代理模型 ”與“ 不确定性量化 ”的機器學習與AI建模工(gōng)具

/ 軟件簡介

SimArk Al Builder是我(wǒ)司自主研發的基于“代理模型”與“不确定性量化”的機器學習與AI建模工(gōng)具: 

✦ 通過大(dà)數據（仿真、試驗、物(wù)理樣機實測數據等）構建代理模型，并封裝成數字樣機進行交付

✦ 使用生(shēng)成的代理模型進行模型降階與圖形渲染，開(kāi)展數字孿生(shēng)系統的搭建與應用

✦ 試驗數據修正仿真模型，虛實結合；從大(dà)數據到數學模型

圖片名稱

什麽是代理模型（Surrogate Model）與不确定性量化（Uncertainty Quantification）

        代理模型是機器學習領域最常見的一(yī)個專業術語，是一(yī)種高可信度的模型生(shēng)成技術并最早應用在航空航天與軍事領域。以航空航天裝備研發爲例，由于涉及結構、流體(tǐ)、聲、光、電、磁等多個學科且學科之間還存在複雜(zá)的耦合關系，導緻裝備在設計、試驗時普遍存在數據采集困難、耗時長、優化難度大(dà)的問題，于是代理模型的方法應運而生(shēng)。


        代理模型的生(shēng)成需要有大(dà)量數據樣本的輸入，代理模型的精度确認與模型修正也需要有一(yī)整套的算法進行支撐；因此，數據采樣、代理模型生(shēng)成、精度驗證、統計校準、不确定性傳播、反問題求解等，形成了一(yī)套完整的不确定性量化 (uncertainty quantification, UQ)科學技術體(tǐ)系。美國能源部、空軍和國家實驗室一(yī)直有專項經費(fèi)支持 UQ 方法的研究；2012 年美國工(gōng)業與應用數學學會 (SIAM) 開(kāi)始組織UQ 年會 (SIAM Conference on UQ)；2013 年SIAM 和美國數理統計協會 (ASA) 創立聯合期刊 (SIAM/ASA Journal on UQ), 專門發表 UQ 領域的前沿研究成果；2017年美國國防部DOT&E在指南(nán)中(zhōng)強調了采用數學統計方法進行代理模型建模與仿真的必要性；美國宇航局的建模與仿真标準(NASA-STD-7009A) 中(zhōng)要求對模型的輸入不确定性及輸出不确定性進行量化估計。


       采用AI神經網絡算法與機器學習算法生(shēng)成的高精度代理模型，可作爲仿真與實驗的補充與部分(fēn)替代，廣泛用于工(gōng)業品的設計研發、數字工(gōng)藝、裝備的數字孿生(shēng)、國防與科研領域。

代理模型（Surrogate model）的生(shēng)成與應用

通過代理模型技術生(shēng)成數字樣機模型的過程如下(xià)：
✦ 輸入數據可以是試驗數據、裝備運行實測數據、單學科/多學科仿真數據，通過DOE算法進行數據采樣與訓練數據輸入（下(xià)圖①②）
✦ 通過多項式逼近方法或神經網絡等AI與機器學習方法生(shēng)成代理模型（下(xià)圖③）
✦ 對代理模型進行精度确認與模型修正（下(xià)圖④⑤）
✦ 代理模型是封裝好的高可信度數學模型，可對此模型進行分(fēn)析與使用，給與輸入參數快速得到輸出參數（下(xià)圖⑥）
✦ 可導出封裝好的數字樣機模型，可包含功能特性、目标特性、通用性特性等，可選擇去(qù)除一(yī)些不需要的關鍵設計參數保障設計數據安全

代理模型（Surrogate model）的生(shēng)成與應用

/ 典型應用場景

場景一(yī)：數字樣機的“建模交付、考核驗證、樣機模型叠代更新”

數字樣機搭建過程如下(xià)圖示：（ 交付後的數字樣機模型，可通過使用過程中(zhōng)積累的數據進行動态更新與模型叠代 ）

代理模型（Surrogate model）的生(shēng)成與應用

▷ 數字樣機的交付與應用

以某工(gōng)業裝備的“功能&性能數字樣機”爲例：

數字樣機的交付與應用

用戶通過圖形交互界面，在數字樣機中(zhōng)輸入參數，快速得到對應的樣機特性輸出：

數字樣機的交付與應用

✦ 數字模型中(zhōng)的數據來源于設計、試驗、數值仿真，因此，數字樣機能包含高可信度的多場/多學科數據
✦ 給與數字樣機對應的輸入，可通過代理模型快速得到輸出

數字樣機的交付與應用

數字樣機模型示例

▷ 數字樣機模型的考核與驗證

數字樣機與實體(tǐ)樣機的數據對标與可信度考核，可通過比較兩種不同類型的樣機所輸出的結果來進行驗證，可操作性強，具體(tǐ)流程如下(xià)圖：

數字樣機的交付與應用

同一(yī)組輸入下(xià) " 數字樣機 - 實體(tǐ)樣機 " 輸出對比驗證

在UQ算法中(zhōng)，可通過圖形與曲線，去(qù)定量描述數字樣機和實體(tǐ)樣機之間的誤差：

數字樣機的交付與應用

▷ 用“代理模型”進行數字樣機建模的優勢

通過代理模型技術生(shēng)成數字樣機，有如下(xià)較爲顯著的優勢：

數據安全性、數字樣機實用性兼顧

數據安全性、數字樣機實用性兼顧

- 裝備研制院所對使用方關注的功能、性能、運用效能等關鍵參數進行封裝，生(shēng)成“數字樣機/數字孿生(shēng)模型”，可選擇去(qù)除一(yī)些不需要的關鍵設計參數保障設計數據安全；
- 封裝後不影響數字樣機的精确性與輸入輸出。

數字樣機易交付、易考核/驗證

數字樣機易交付、易考核/驗證

- 交付給使用方的數字樣機，用戶可通過一(yī)系列的輸入/輸出結果，與設計研制方的仿真模型、曆史數據、試驗數據、實測數據進行對比，評估輸入輸出的功能是否完整，以及數據誤差範圍；對數字樣機關鍵指标進行定量評估。

數字樣機的模型健壯性與易用性

數字樣機的模型健壯性與易用性

- 生(shēng)成與交付的“數字樣機/數字孿生(shēng)模型”可單獨運行，不需要各學科、各領域的專業工(gōng)具進行輔助；不需要複雜(zá)的系統環境進行數字模型支撐；
- 模型已經進行封裝與模型降階處理，用戶直接輸入有效數據，即可快速獲得有效輸出。

數字樣機的可叠代性

數字樣機的可叠代性

- 數字樣機即裝備實物(wù)的數字孿生(shēng)體(tǐ)，試驗數據、運維數據可作爲持續的輸入數據對代理模型進行修正與優化，叠代修正。

場景二：數字孿生(shēng)模型的搭建

基于代理模型技術的數字孿生(shēng)系統搭建示例：

數據渲染與可視化

▷ 飛行器數字孿生(shēng)模型

飛行器數字孿生(shēng)模型

▷ 裝備性能數字孿生(shēng)模型

數字孿生(shēng)模型應用關注點：
✦ 力學毀傷特性與爆炸性能參數
✦ 裝備在複雜(zá)地形環境下(xià)的效能表現
✦ 裝備性能數字化驗證

裝備性能數字孿生(shēng)模型
裝備性能數字孿生(shēng)模型

場景三：試驗數據修正仿真模型，模型降階與優化

問題與挑戰：

✦ 模型較複雜(zá)，CFD求解器精度不夠，溫度分(fēn)布與真實情況有差距
✦ 工(gōng)況多且單個工(gōng)況計算時間長，導緻多參數方案優化時極爲耗時

試驗數據修正仿真模型，模型降階與優化
試驗數據修正仿真模型，模型降階與優化

當前CFD求解器計算得到的溫度分(fēn)布           

試驗數據修正仿真模型，模型降階與優化

真實的溫度分(fēn)布          

解決方案：
✦ CFD仿真數據作爲輸入數據，進行機器學習生(shēng)成 "代理模型1" ( "Automate" 功能 )
✦ 輸入實驗數據 (例如紅外(wài)測試儀測量出的監控點溫度)，對 "代理模型1" 進行模型校準，生(shēng)成 "代理模型2" ，并對此代理模型進行精度驗證；( "Data&Validate&Calibrate" 功能 )
✦ 使用仿真+試驗訓練出來的 "代理模型2"，進行後續應用：( "Analytics" 功能 )

- 模型降階
- 溫度場快速預測與評估
- 反問題求解
- 不确定性傳播分(fēn)析
- 參數敏感性分(fēn)析
- 優化與設計空間探索

/ 産品界面展示

/ 高校科研版與教育版

SimArk UQ 高校合作及政策協議

       國産化替代是我(wǒ)國工(gōng)業軟件發展的必然趨勢，也是企業自主創新的關鍵所在。我(wǒ)們将持續投入研發，加速國産化替代進程，将我(wǒ)司推出的SimArk UQ軟件與高校深化合作，共同推動教材編寫、課程引入和技能競賽等方面的創新，共同培養出更多适應新時代工(gōng)業軟件發展需求的優秀人才。
       深化校企合作、共同打造高質量産業學院。同時我(wǒ)們也将不斷提升自身實力，爲高校提供更多優質的教育資(zī)源和服務支持，共同推動中(zhōng)國高等教育事業的發展。

▶ SimArk UQ 界面展示

針對高校師生(shēng)所提供的軟件版本：

SimArk UQ 界面展示
SimArk UQ 界面展示