01

人工智能的起点

1956年夏天，美国汉诺弗小镇的达特茅斯学院迎来了一群踌躇满志的天才。这次会议被命名为人工智能夏季研讨会。人工智能这个词汇被首次提出，达特茅斯会议也被认定为人工智能研究的起点。

02

什么是人工智能？

人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能的发展大致经历了三个重要阶段：

（1）1956年到1974年是人工智能发展的第一个黄金时期，除在数学算法和方法论方面取得了新进展，科学家们还制作出具有初步智能的机器。但由于只能完成指定的工作，局限性明显。

（2）进入20世纪80年代，人工智能相关的数学模型取得了一系列重大发明成果。模拟人类专家解决某个领域问题的计算机程序系统——“专家系统”得到开发应用，但由于价格昂贵且难以维护，逐渐被淘汰。

（3）2006年，杰弗瑞.辛顿突破性地提出了深度学习的概念。深度学习可以高度模拟人脑的思维模式，依靠神经网络进行无监督的自我学习。随着计算机硬件水平的提升，互联网、大数据、云计算等新一代信息技术不断加速迭代演进，人工智能迎来了第三次高速发展。2016年，Alpha Go战胜围棋高手李世石使人工智能进入大众视野，人工智能已在语音识别、图像识别、自然语言、无人驾驶等领域得到了较为广泛的应用。

03

什么是CAE？

CAE(Computer Aided Engineering）是用计算机辅助求解复杂工程和产品结构刚度、强度、动力响应、热传导等性能的一种近似数值分析方法。CAE从20世纪60年代初在工程上应用至今，其理论和算法都经历了从蓬勃发展到日趋成熟的过程，现已成为工程和产品结构分析中(如汽车、航空、航天、机械、土木结构等领域）必不可少的数值计算手段。但其建模及计算分析都需要耗费大量的时间、人力及计算资源。随着产品开发周期的不断缩短和优化迭代次数的不断增多，亟需寻求一种更加快速和便捷的仿真分析技术。

04

AI与CAE相结合

CAE的本质是对复杂工程问题通过合理简化建立数学模型，并根据输入求得输出。深度学习其实也是基于已有的大量输入和输出，通过训练神经网络得到一个预测模型。不难看出CAE与AI是用不同方法做同样的事，并且CAE在工业领域的多年应用，已积累了大量数据作为深度学习的基础。近年来，探索运用AI辅助CAE仿真分析成为新的热点。目前AI在空气动力学、流体力学、生物力学、结构力学等分析领域已有初步探索应用。AI技术的应用将大大缩短仿真分析及优化时间。

AI在CAE仿真分析中应用的基本路线中，几何、载荷和边界表征与编码是技术难点之一，其中涉及到计算机图形学等跨学科领域。另外深度学习网络架构的选取与优化是保证计算精度的关键因素，同时也是技术难点需要研究人员重点研究。

AI为CAE仿真分析带来的改变

AI在CAE仿真分析中应用的基本路线

深度学习网络架构[1]

最近笔者进行了AI仿真分析技术在车型开发中的应用探索，取得了一些初步成果。车门防撞梁在车辆受到侧面碰撞时，为车门抵抗变形，保护车内乘员起到了重要作用。在此情况下防撞梁主要受到弯曲变形。三点弯成为评估车门防撞梁性能的有效途径。以车门防撞梁三点弯为例，基于已有的车门防撞梁样本，考虑不同几何、厚度、材料等变化因素，形成学习样本及预测样本。通过训练得到了AI深度学习预测模型。从AI预测结果可以看到，无论是应力分布还是应力值都具有较高的精度。使用传统CAE分析一个防撞梁三点弯需要15分钟（包括建模及计算），而使用AI预测模型只需要1秒钟。

AI仿真分析技术包含很多分支学科与技术，可单独或综合应用于不同领域。随着AI仿真分析技术的不断成熟与深入，相信会出现很多极具突破性的应用成果，为不断加快的车型开发注入新的能量。

参考文献：

[1] 李宏毅，DeepLearning Tutorial.