欧洲富士通实验室 已经开发了一种新的基于AI的技术和平台，旨在将基于物理的传统模拟器转换为快速，高精度的AI模拟器。据说，富士通的AI解算器对于工业应用至关重要，“正在革新CAE，产品设计和自主智能设备性能等领域”。对于CAE，仿真在减少昂贵的原型和产品故障的数量，支持设计决策以及验证和确认方面起着关键作用。
AI解算器通过相应的业务优势彻底改变了仿真过程的速度。该平台是富士通实验室有限公司，富士通先进技术有限公司和欧洲富士通实验室共同开发计划的结果。
富士通的AI解 算器极大地加快了基于物理的仿真的求解速度，这通常涉及复杂的计算，而一个过程可能要花费几个小时。富士通将其从几小时缩短到了几毫秒，而没有影响性能(与基于物理的同类产品相比，差异<2%)。
大型仿真结果数据库的生成以及大型深层神经网络的训练是复杂且耗时的任务。富士通结合了多种要素来实现AI解算器的性能， 利用基于AI的模拟器的深层神经网络数据特征来重现基于物理的模拟器的行为，并 与小时或天相比实时自动创建高度针对性的近似值。这涉及在仍在生成数据的同时从大型仿真结果数据库中学习，从而将所需时间减少了三分之一。
富士通AI Solver的潜在应用广泛。对于产品设计应用程序，它可以使设计人员接收实时反馈，而不是等待结果的时间。对于涉及需要自主适应环境的机器人的智能设备，与使用简单启发式算法相比，实时仿真结果将显着提高效率和自主性。
欧洲富士通实验室首席执行官Adel Rouz博士解释说： “虽然HPC和云计算的出现通过降低相关的硬件和软件成本改变了仿真过程，但我们尚未看到这可以显着减少所花费的时间执行单独的模拟。将传统的基于物理的模拟器转换为AI模拟器是一项重要突破，将单个模拟所需的时间从数小时缩短至毫秒，从而提供了实时结果。”
“对我们来说，一个关键挑战是如何整合原始求解器的所有功能，而不是仅允许用户修改几何形状。此外，这必须以一致和通用的方式来实现，而不是逐案解决。在短期内，我们的技术针对的是CAE的传统用户，例如设计师，但潜在的应用远远超出了产品设计，并且包括在实时仿真而非启发式技术的指导下提高智能设备(如机器人)的效率。”
Fatec首席执行官Akihiko Miyazawa先生 从设计角度进行了详细阐述：“电子设备的设计是一项复杂而艰巨的任务，需要在众多竞争目标与组件布置，严格的温度限制，尺寸限制，重量限制和变化很大的工作条件之间取得平衡。”
“此外，设计人员被迫在更严格的时间表中评估多个设计方案，从而使物理原型设计既费时又昂贵。为了应对这些挑战，设计人员现在可以使用AI模拟器，使他们能够虚拟测试设计，以便在很短的时间内评估多种方案的性能。由于采用了富士通的突破性技术，整个过程得到了极大的优化。
富士通AI Solver平台的示例包括将两种非常不同类型的物理模拟器转换为AI模拟器。第一个涉及一个3D传热模拟器，该模型可模拟固体和流体之间的热相互作用，通常用于设计和验证电子设备的冷却。它由多物理场仿真组成，需要处理多种材料特性，电源和辐射。
第二个示例是计算电磁模拟器，该模型模拟了受外部磁场影响的固体磁化强度，该磁场通常用于硬盘驱动器磁头或其他存储设备的设计。如下例所示，基于物理学的参考模拟器及其AI对应物的结果几乎无法区分，即差异小于2%。
欧洲富士通实验室是富士通在机器学习和深度学习方面的高级研究的卓越中心，是富士通以人为中心的AI方法Zinrai开发的数字解决方案和服务的 一部分。富士通欧洲实验室的活动包括与富士通客户和研究机构在欧洲的广泛合作和共同创造，包括 马德里的圣卡洛斯临床医院 (使用 HIKARI AI智能医疗解决方案)和塞维利亚大学(用于旅游应用的数据分析) 。
