昌暉儀表通過E-works數字化企業網總編 、CEO黃培先生以及安世亞太高級副總裁田鋒先生的對話內容共同探討仿真與數字孿生、人工智能之間的奧秘。
黃培
數字孿生強調虛實融合，對仿真技術的實時性有更高的要求，這方面請您談談實現的策略。
田鋒
數字孿生體中的仿真一定是實時的，否則就沒有意義，跟過去的仿真就沒區別?？梢哉f，實時性是仿真和數字孿生體的重要區別。實時性要考慮兩個維度，第一個維度是實時收集數據。比如仿真的邊界條件，邊界條件要有初始條件才能去計算。如果缺少初始條件和邊界條件，就無法得出實時的結果。這兩個條件是實時的，需要從物聯網中獲得。如同數字孿生體的神經一般，通過收集實時數據，然后才能實施仿真。這是第一個維度。第二個維度就是速度。現在能保證速度的是系統仿真(0維)以及一維仿真，比如電路管路，就是一維仿真。比較慢的是三維仿真，就是CAE 技術，目前CAE很難做到實時，它的任何一個計算都比一維和0維要慢很多。所以數字孿生體中三維仿真要通過降階來發揮作用。三維仿真的計算結果是全息的，從各個角度觀察都能得到對應的結果，但是在實踐中我們不需要全息數據，只需要特定場景的一條數據曲線去驅動孿生體。這條曲線就是用三維計算結果經過一個降階的過程形成的，采用類似人工智能的擬合技術，在特定要求之下得到的一條曲線類或曲面類的模型，這個模型就是實時的、是0維的。這樣就實現了三維仿真的結果參與到數字孿生體中的目的。每一次降階目的是特定的，換一個目的就要重新降階一次。所以數字孿生體的目的必須是明確的，從而實現三維仿真幫助數字孿生體達成正確的結果。
黃培
是不是可以理解為降階模型就是三維仿真結果的近似解？
田鋒
是的，擬合解。需要做大量的計算，在各種邊際條件、不同工況下、各種時間情況下，做幾百種仿真，做完之后，根據需求進行降階，提供所需要的曲線或者曲面。
黃培
您剛剛也提到了人工智能的應用，最近幾年，隨著人工智能技術的快速發展以及開源應用，人工智能技術的應用領域越來越廣。您認為仿真技術與人工智能技術能否實現、如何實現融合應用？
田鋒
仿真是基于明確的機理、邊界條件和初始條件才能計算的學科。但很多情況下很多事物無法明確，就不能仿真。比如湍流是用概率的方式計算的，并不是真實的數據，因此只能解決一部分問題。還有復合材料，很難得到真正的材料數據。還有多目標優化，一開始也是基于不確定方向，降階也是一種結果的延伸。那么如何得知確定性以外的不確定性呢？可以用AI的手段去推測出基本符合要求的函數， 用AI幫助仿真。比如湍流問題，各種數據測完之后，AI提供一個函數就可以繼續參與計算。復合材料也是如此，用外界的數據推測里面的結果，然后推測出一個函數參與計算。不完整的邊界條件也是如此，根據現有的表現讓AI推測不知道的地方。但是這些都不是物理的邏輯，而是數學的邏輯。AI幫助仿真從完全的不確定性走向了部分的確定性，二者用這種方式實現了融合。
現在更多的AI的應用不是仿真，而是提出第四范式的概念。科學研究過去有三個范式：理論、實驗、計算拓展。現在提出第四段就是 AI ，彌補仿真的不足，可以認為這是一種新仿真、新范式。
黃培
談到 AI 的時候，我們很多時候是完全基于數據去建模。如果能夠把背后的機理知識融合進來，是否會使 AI 的結果更加準確或更具可解釋性？
田鋒
是的。在 AI 學習的過程中，有無監督學習和監督學習兩種狀態。無監督學習依靠AI自己發揮。監督學習，是把人的確定性的經驗干預到學習過程中，它的可解釋性就變得更高了，就是您所說的這種情況。
