/ 軟件簡介
SimArk Al Builder是(shì)我司自主研發的(de)基于(yú)“代理模型”與“不(bù)确定性量化”的(de)機器學習與AI建模工具:
✦ 通過大(dà)數據（仿真、試驗、物理樣機實測數據等）構建代理模型，并封裝成數字樣機進行交付
✦ 使用生成的(de)代理模型進行模型降階與圖形渲染，開展數字孿生系統的(de)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(dào)數學模型
代理模型（Surrogate Model）與不(bù)确定性量化（Uncertainty Quantification）
代理模型，也(yě)稱爲(wéi / wèi)替代模型或元模型，是(shì)一(yī / yì ／yí)種高可信度的(de)模型生成技術并最早應用在(zài)航空航天與軍事領域。代理模型作爲(wéi / wèi)仿真與實驗的(de)補充與部分替代，通過對仿真結果、實驗數據進行學習和(hé / huò)拟合，提供快速的(de)近似解，是(shì)優化設計和(hé / huò)實時(shí)控制的(de)重要(yào / yāo)工具。
不(bù)确定性量化（Uncertainty Quantification, UQ）是(shì)在(zài)系統中存在(zài)諸多不(bù)确定性因素時(shí)向決策者提供高置信度的(de)系統行爲(wéi / wèi)預測的(de)過程。UQ通過量化實際問題模型背後的(de)不(bù)确定因素以(yǐ)評估和(hé / huò)減少不(bù)确定性帶來(lái)的(de)風險,包含了(le／liǎo)數據采樣、代理模型生成、精度驗證、統計校準、不(bù)确定性傳播、反問題求解等一(yī / yì ／yí)套完整科學技術體系。
代理模型用于(yú)快速預測系統的(de)響應，不(bù)确定性量化則确保了(le／liǎo)預測和(hé / huò)決策的(de)可靠性，數值仿真則爲(wéi / wèi)代理模型的(de)生成提供了(le／liǎo)大(dà)量訓練數據。三者結合，可以(yǐ)充分發揮“AI與機器學習、試驗與統計大(dà)數據、仿真計算”的(de)技術融合優勢，爲(wéi / wèi)複雜工業品的(de)研發與測試，在(zài)理念、方法、技術手段上(shàng)提供新思路。2017年美國(guó)國(guó)防部DOT&E在(zài)指南中強調了(le／liǎo)采用數學統計方法進行代理模型建模與仿真的(de)必要(yào / yāo)性，美國(guó)宇航局的(de)建模與仿真标準(NASA-STD-7009A) 中要(yào / yāo)求對模型的(de)輸入不(bù)确定性及輸出(chū)不(bù)确定性進行量化估計，都已明确“代理模型、不(bù)确定性量化、仿真計算”是(shì)指南推薦的(de)研發與試驗手段。
代理模型（Surrogate model）的(de)生成與應用
通過代理模型技術生成數字樣機模型的(de)過程如下：
✦ 輸入數據可以(yǐ)是(shì)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與機器學習方法生成代理模型（下圖③）
✦ 對代理模型進行精度确認與模型修正（下圖④⑤）
✦ 代理模型是(shì)封裝好的(de)高可信度數學模型，可對此模型進行分析與使用，給與輸入參數快速得到(dào)輸出(chū)參數（下圖⑥）
✦ 可導出(chū)封裝好的(de)數字樣機模型，可包含功能特性、目标特性、通用性特性等，可選擇去除一(yī / yì ／yí)些不(bù)需要(yào / yāo)的(de)關鍵設計參數保障設計數據安全
/ 典型應用場景
場景一(yī / yì ／yí)：數字樣機的(de)“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圖示：（ 交付後的(de)數字樣機模型，可通過使用過程中積累的(de)數據進行動态更新與模型叠代 ）
▷ 數字樣機的(de)交付與應用
以(yǐ)某工業裝備的(de)“功能&性能數字樣機”爲(wéi / wèi)例：
用戶通過圖形交互界面，在(zài)數字樣機中輸入參數，快速得到(dào)對應的(de)樣機特性輸出(chū)：
✦ 數字模型中的(de)數據來(lái)源于(yú)設計、試驗、數值仿真，因此，數字樣機能包含高可信度的(de)多場/多學科數據
✦ 給與數字樣機對應的(de)輸入，可通過代理模型快速得到(dào)輸出(chū)
數字樣機模型示例
▷ 數字樣機模型的(de)考核與驗證
數字樣機與實體樣機的(de)數據對标與可信度考核，可通過比較兩種不(bù)同類型的(de)樣機所輸出(chū)的(de)結果來(lái)進行驗證，可操作性強，具體流程如下圖：
同一(yī / yì ／yí)組輸入下 " 數字樣機 - 實體樣機 " 輸出(chū)對比驗證
在(zài)UQ算法中，可通過圖形與曲線，去定量描述數字樣機和(hé / huò)實體樣機之(zhī)間的(de)誤差：
▷ 用“代理模型”進行數字樣機建模的(de)優勢
通過代理模型技術生成數字樣機，有如下較爲(wéi / wèi)顯著的(de)優勢：
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(de)功能、性能、運用效能等關鍵參數進行封裝，生成“數字樣機/數字孿生模型”，可選擇去除一(yī / yì ／yí)些不(bù)需要(yào / yāo)的(de)關鍵設計參數保障設計數據安全；
- 封裝後不(bù)影響數字樣機的(de)精确性與輸入輸出(chū)。
數字樣機易交付、易考核/驗證
- 交付給使用方的(de)數字樣機，用戶可通過一(yī / yì ／yí)系列的(de)輸入/輸出(chū)結果，與設計研制方的(de)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(chū)的(de)功能是(shì)否完整，以(yǐ)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(de)模型健壯性與易用性
- 生成與交付的(de)“數字樣機/數字孿生模型”可單獨運行，不(bù)需要(yào / yāo)各學科、各領域的(de)專業工具進行輔助；不(bù)需要(yào / yāo)複雜的(de)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(chū)。
數字樣機的(de)可叠代性
- 數字樣機即裝備實物的(de)數字孿生體，試驗數據、運維數據可作爲(wéi / wèi)持續的(de)輸入數據對代理模型進行修正與優化，叠代修正。
場景二：數字孿生模型的(de)搭建
基于(yú)代理模型技術的(de)數字孿生系統搭建示例：
▷ 飛行器數字孿生模型
▷ 裝備性能數字孿生模型
數字孿生模型應用關注點：
✦ 力學毀傷特性與爆炸性能參數
✦ 裝備在(zài)複雜地(dì / de)形環境下的(de)效能表現
✦ 裝備性能數字化驗證
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，CFD求解器精度不(bù)夠，溫度分布與真實情況有差距
✦ 工況多且單個(gè)工況計算時(shí)間長，導緻多參數方案優化時(shí)極爲(wéi / wèi)耗時(shí)
當前CFD求解器計算得到(dào)的(de)溫度分布
真實的(de)溫度分布
解決方案：
✦ CFD仿真數據作爲(wéi / wèi)輸入數據，進行機器學習生成 "代理模型1" ( "Automate" 功能 )
✦ 輸入實驗數據 (例如紅外測試儀測量出(chū)的(de)監控點溫度)，對 "代理模型1" 進行模型校準，生成 "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(chū)來(lái)的(de) "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(bù)确定性傳播分析
- 參數敏感性分析
- 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(guó)産化替代是(shì)我國(guó)工業軟件發展的(de)必然趨勢，也(yě)是(shì)企業自主創新的(de)關鍵所在(zài)。我們将持續投入研發，加速國(guó)産化替代進程，将我司推出(chū)的(de)SimArk UQ軟件與高校深化合作，共同推動教材編寫、課程引入和(hé / huò)技能競賽等方面的(de)創新，共同培養出(chū)更多适應新時(shí)代工業軟件發展需求的(de)優秀人(rén)才。
深化校企合作、共同打造高質量産業學院。同時(shí)我們也(yě)将不(bù)斷提升自身實力，爲(wéi / wèi)高校提供更多優質的(de)教育資源和(hé / huò)服務支持，共同推動中國(guó)高等教育事業的(de)發展。
▶ SimArk UQ 界面展示
針對高校師生所提供的(de)軟件版本：
