從有限元到人工智能【轉(zhuǎn)發(fā)】

谷歌的AlphaGo與柯杰的大戰(zhàn)已經(jīng)結(jié)束數(shù)日,而DeepMind承諾的50分棋譜也已經(jīng)公布,而作為當(dāng)前最先進的計算機“技術(shù)”,有限元方法有沒有與機器學(xué)習(xí)(人工智能)進一步結(jié)合并碰發(fā)出絢麗的“火花”呢??

答案是肯定的!!!

人工智能(Artificial Intelligence),英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 人工智能是計算機科學(xué)的一個分支,它企圖了解智能的實質(zhì),并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器,該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來,理論和技術(shù)日益成熟,應(yīng)用領(lǐng)域也不斷擴大,可以設(shè)想,未來人工智能帶來的科技產(chǎn)品,將會是人類智慧的“容器”。

機器學(xué)習(xí)是人工智能的一個分支,簡單地說,就是通過算法,使機器能從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律,從而對新的樣本做智能識別或?qū)ξ磥磉M行預(yù)測。  

常見的機器學(xué)習(xí)算法如:  

?神經(jīng)網(wǎng)絡(luò)(Neural Network)  

?支持向量機(Support Vector Machines, SVM)Boosting  

?決策樹(Decision Tree)  

?隨機森林(Random Forest)  

而之后發(fā)生的幾件事,掀起了深度學(xué)習(xí)的浪潮。一件是2006年,加拿大多倫多大學(xué)教授Hinton和他的學(xué)生Salakhutdinov在Science上發(fā)表了一篇文章,揭示了具有多個隱層的神經(jīng)網(wǎng)絡(luò)(即深度神經(jīng)網(wǎng)絡(luò))優(yōu)異的學(xué)習(xí)性能,并提出可以通過“逐層初始化”技術(shù),來降低深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練的難度;

  第二件事是在2012年 底,Geoff Hinton 的博士生 Alex Krizhevsky、Ilya Sutskever利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)在圖片分類的競賽 ImageNet 上,擊敗了擁有眾多人才資源和計算資源的Google,拿到了第一名。

   如今機器學(xué)習(xí)已深入到包括語音識別,圖像識別,數(shù)據(jù)挖掘等諸多領(lǐng)域并取得了矚目的成績。

有限元方法(FEA)即有限單元法,它是一種數(shù)值分析(計算數(shù)學(xué))工具,但不是唯一的數(shù)值分析工具。在工程領(lǐng)域還有其它的數(shù)值方法,如:有限差分法、邊界元方法、有限體積法。

有限單元法已成為一種強有力的數(shù)值解法來解決工程中遇到的大量問題,其應(yīng)用范圍從固體到流體,從靜力到動力,從力學(xué)問題到非力學(xué)問題。事實上,有限單元法已經(jīng)成為在已知邊界條件和初始條件下求解偏微分方程組的一般數(shù)值方法。

有限單元法在工程上的應(yīng)用屬于計算力學(xué)的范疇,而計算力學(xué)是根據(jù)力學(xué)中的理論,利用現(xiàn)代電子計算機和各種數(shù)值方法,解決力學(xué)中的實際問題的一門新興學(xué)科。它橫貫力學(xué)的各個分支,不斷擴大各個領(lǐng)域中力學(xué)的研究和應(yīng)用范圍,同時也在逐漸發(fā)展自己的理論和方法。

[1]余凱,賈磊,陳雨強,徐偉. 深度學(xué)習(xí)的昨天、今天和明天[J]. 計算機研究與發(fā)展,2013,09:1799-1804.

[2]周春桂,張希農(nóng),胡杰,謝石林. 基于有限元和神經(jīng)網(wǎng)絡(luò)的雜交建模[J]. 振動工程學(xué)報,2012,01:43-48.

[3]費慶國,張令彌. 基于徑向基神經(jīng)網(wǎng)絡(luò)的有限元模型修正研究[J]. 南京航空航天大學(xué)學(xué)報,2004,06:748-752.

[4]許永江,邢兵,吳進良. 基于有限元-神經(jīng)網(wǎng)絡(luò)-Monte-Carlo的結(jié)構(gòu)可靠度計算方法[J]. 重慶交通大學(xué)學(xué)報(自然科學(xué)版),2008,02:188-190+216.

【感興趣的小伙伴可以在微刊中回復(fù)“智能有限元”,獲取論文下載地址】

1、圖形顯示方面(有限元與AR&VR)

隨著有限元計算涉及的領(lǐng)域以及計算的規(guī)模不斷增大,計算結(jié)果的高效、高質(zhì)量的前后處理也隨之成為了一個問題。

AR&VR在圖形化數(shù)據(jù)展示方面,將我們從顯示屏解放出來,可以以一種更加直觀的方式查看計算分析數(shù)據(jù),未來在分析結(jié)果VR展示方面,會有較大的突破。

國內(nèi)也有學(xué)者已經(jīng)展開了相關(guān)方面的研究,比如《虛擬現(xiàn)實環(huán)境中有限元前后處理功能實現(xiàn)》等論文,有限元虛擬處理技術(shù)(FEMVR)也開始逐步進入相關(guān)軟件領(lǐng)域,例如:ANSYS COMSOL可以和MATLAB做交互,新版MATLAB內(nèi)置了一些人工智能算法。

2、有限元與大數(shù)據(jù)、云計算

計算規(guī)模增大,伴隨著計算機能力的提升,隨之而來的云計算,解脫了對于計算機硬件的束縛,對于可以放開規(guī)模與數(shù)量的分析計算,有限元與大數(shù)據(jù)以及云計算的碰撞,對于未來問題的解決,將有一個質(zhì)的飛躍,量變到質(zhì)變的直觀體現(xiàn),在有限元與大數(shù)據(jù)中會有一個絢麗的展示。

3、有限元與人工智能

人工智能作為全球熱的技術(shù),與“古老”的有限元之間,相信可以在老樹上發(fā)新芽,而我們可以欣喜的看到,相關(guān)的研究也已經(jīng)開展,期待未來對于現(xiàn)實問題的解決,能有更好的更優(yōu)的方案。

4、CAD數(shù)據(jù)與CAE數(shù)據(jù)的無縫對接

目前等幾何分析(Isogeometric Analysis, IGA)的發(fā)展熱度來看,將CAD中用于表達(dá)幾何模型的NURBS基函數(shù)作為形函數(shù),克服FEA中模型精度損失的問題,實現(xiàn)CAD和CAE的無縫結(jié)合,是一個很有前途和潛力的發(fā)展方向。

5、CAE與MBD的深度融合

未來CAEFEM可能會與多體動力學(xué)仿真(MBS)軟件深度整合起來。實際系統(tǒng)中某些運動部件的彈性無法忽略,甚至是主要動力學(xué)行為的來源,所以就產(chǎn)生了柔性多體動力學(xué)仿真這個需求,這樣只需要定義相關(guān)部件的受力和邊界條件,其余的都是內(nèi)部作用,仿真即節(jié)省工作量又較為真實可信。而且現(xiàn)在的確有很多MBS軟件里面可以把部件建成彈性體,如LMS Virtual Lab,Simpack等等,但過程沒有那么傻瓜;除了簡單的梁、軸等零件,復(fù)雜形狀的零件要依賴FEM軟件事先生成的數(shù)據(jù)文件。

6、網(wǎng)格工作的智能化,傻瓜化

將來對彈性體建模可能更加傻瓜,先把剛性多體系統(tǒng)模型建起來,然后在建模環(huán)境(前處理)中直接make body flexible,系統(tǒng)可以根據(jù)這個部件的形狀、材料、邊界條件等選擇合適的網(wǎng)格類型,并把運動和力的作用點couple到對應(yīng)的節(jié)點(組)上。比如說汽車懸掛系統(tǒng)仿真,在一個工作環(huán)境下就能把某個部件的應(yīng)力校核給做了,而不需要說搞多體建模的人要把邊界力生成一個load case再發(fā)給專門的FEM工程師去做。

(部分來自知乎)

任何技術(shù)的進步,都要在實踐中展示技術(shù)的威力,有限元的發(fā)展,會隨著技術(shù)的進步,特別是計算機技術(shù)的進步,在未來無論是應(yīng)用軟件的研究還是智能程序的開發(fā),都將有無限的機會與可能。

積極學(xué)習(xí)新技術(shù),新方法,在應(yīng)用領(lǐng)域,關(guān)注有限元相關(guān)軟件的新功能。

1、了解熱點、跟蹤前沿

2、結(jié)合實際拓展應(yīng)用

3、掌握自動化相關(guān)技術(shù)

部分內(nèi)容整理自互聯(lián)網(wǎng)