Altair physicsAI 2025 Yeni Özellikler
Altair physicsAI 2025 versiyonu yeni özellikler ve geliştirmeler içeriyor. Bu yazıda detayları bulabilirsiniz.
Altair physicsAI, CAE verilerini kullanarak hızlı tahmin modelleri oluşturan yenilikçi bir araçtır. Geçmiş simülasyon verilerinizden öğrenerek şekil ve mühendislik performansı arasındaki ilişkileri analiz eder. Eğitilmiş physicsAI modelleri, geleneksel çözücülere kıyasla 10 ila 100 kat daha hızlı tam animasyonlu konturlar üretir. Böylece, normalde mümkün olandan çok daha fazla tasarım konseptini hızla değerlendirerek daha iyi tasarımlar keşfedebilirsiniz.
Altair physicsAI çözümüne Altair HyperMesh, Altair SimLab ve Altair Inspire kullanıcı arayüzlerinden erişebilirsiniz.
Altair physicsAI hakkında detaylı bilgi için aşağıdaki web seminer kaydını izleyebilirsiniz.
Yeni Özellikler
Yeni Yapay Zeka Eğitim Yöntemi
Mevcut Graph Context Neural Simulator (GCNS) yapay zeka eğitim yöntemine ek olarak Transformer Neural Simulator (TNS) yöntemi eklenmiştir.
İki yöntem arasındaki bazı temel farklar:
- Genellikle TNS, GCNS’den daha düzgün kontur gösterir. Özellikle karmaşık geometrilerde kullanıcılara görsel olarak daha net gösterim sağlar.
- TNS, mesh boyutunun değişimine karşı daha az hassasiyete sahiptir.
- Şekil değişikliğinin fazla olduğu büyük ve karmaşık modellerin eğitiminde GPU kullanılması durumunda TNS, GCNS’den daha hızlıdır, CPU kullanımı durumunda ise genellikle tam tersi olur.
Çözüm Dosyalarından Kalınlık ve Malzeme Parametrelerini Elde Etme
Altair physicsAI, artık model eğitiminde kullanılacak simülasyon sonuçlarıyla birlikte çözüm dosyaları da (input deck) mevcutsa, kalınlık ve malzeme ID’lerini otomatik olarak çıkartabilmektedir. Çözüm ve sonuç dosyasının aynı isimle aynı klasörde olması şartıyla (Örneğin Ibeam.h3d sonuç dosyası Ibeam.fem çözüm dosyası) Extract Simulation Properties seçeneği kullanılarak kalınlık ve malzeme kimlikleri hızlıca çıkarılabilir.
Desteklenen çözüm dosyaları: Altair OptiStruct, Altair Radioss, LS-DYNA, Nastran, Abaqus ve ANSYS.
Geliştirmeler
Mesh Hizalama
Eğitimde kullanılan modellerde meshlerin farklı konumlarda bulunması sonuç kalitesini etkiliyebilmekteydi. Mesh Alignment özelliği, eğitim, test ve tahmin süreçlerinde meshlerin otomatik olarak hizalanmasını sağlar. Meshler, ağırlık merkezi (center of gravity) ortak bir noktaya yerleştirilecek şekilde hizalanır.
Gelişmiş Veri Seti Görselleştirme ve Aykırı Değer Tespiti
2025 versiyonu öncesi, verileri düzenlemek ve aykırı değerleri belirlemek için Altair HyperStudy gibi ek araçlar kullanmanız gerekiyordu. Artık, seçtiğiniz parametreye göre veri setindeki aykırı değerler otomatik olarak belirleniyor. Verilere bir Z-dağılımı (Z-distribution) uygulanarak ±3 sigma sınırlarının dışında kalan noktalar aykırı değer olarak işaretlenip vurgulanıyor.
Altair HyperStudy ve PhysicsAI Bağlantısında Benzerlik Puanı Kullanımı
Artık HyperStudy’de bir PhysicsAI modeli kullanılarak yapılan tahminler için Benzerlik Puanına erişebilirsiniz. Bu skor, tahmin edilen sonuçların beklenen doğruluğunu değerlendirmek için kullanılabilir. Örneğin, düşük Benzerlik Puanına sahip tahminleri elemek için bir eşik değeri (kısıt) belirleyebilirsiniz.
Eğer seçilen PhysicsAI modelinde Benzerlik Puanı mevcutsa, bu değer otomatik olarak bir yanıt (response) olarak eklenir ve analiz sürecinde kullanılabilir.
Altair physicsAI ile ilgili taleplerinizi iletişim formunu kullanarak iletebilirsiniz.
