如何利用GPU实现强大的创成式人工智能建模与仿真

关于算力对现代基于算法的各种技术的作用，《暗知识》一书中提到，如果说算法是引擎的设计，那么算力是引擎的马力，而数据是引擎的燃料。

在图像语音识别、无人驾驶等人工智能领域的运用层面，图形处理器 （GPU）正迅速扩大市场占比，而谷歌专门为人工智能研发的TPU则被视为GPU的竞争对手。当与创成式设计技术结合使用时，GPU加速仿真的效率增益将进一步放大。

 算力赋能算法

l 创成式设计与仿真的结合

创成式设计（Generative Design）是一种设计过程，其中人工智能会针对工程师设置的参数和功能目标优化设计。工程师设置载荷，材料约束和边界条件，确定其功能目标，通过创成式算法优化设计空间内的材料布局，以满足这些工程师设置的目标并最大化性能。

创成式设计（Generative Design）是根据一些起始参数通过迭代并调整来找到一个（优化）模型。拓扑优化（Topology Optimization）是对给定的模型进行分析，常见的是根据边界条件进行有限元分析，然后对模型变形或删减来进行优化。

很多人以为创成式设计是拓扑优化或程序建模的一个分支。但实际上，创成式设计是是一个人工智能驱动的流程，利用云来通过探索成千上万的建模可能性来推动创新设计，而不是简单地从原来的设计方案中探索如何减少材料。

创成式设计将激发设计师通过手动建模不易获得的思想灵感，创造出拥有不寻常的复杂几何结构设计作品。3D打印技术由于可以将复杂的设计转化为现实，注定已成为创成式设计的“好伙伴”。

不过通常创成式设计出来的结果对应着很多种不同的设计，如今，产品设计师可以在其三维CAD建模环境中直接运行仿真。通过现代计算机的GPU功能加速，这些仿真使设计人员能够以交互的步伐做出明智的决策，而无需等待分析人员对设计进行网格划分并运行有限元分析（FEA）。

在这方面，欧特克（Autodesk）2019年11月就宣布了与工业仿真软件企业ANSYS 之间的下一步合作关系，双方将建立起设计软件与仿真软件的无缝互操作性，为制造用户带来革命性的设计与工程敏捷性。这种合作可以实现增强创成式设计等新的自动化流程，而自动化的流程将缩短产品上市时间，使多个工程团队可以更为顺畅的地一起工作。

l GPU加速创成式与仿真结合

考虑到行业技能的差距，GPU加速仿真是增强创成式设计的基础。GPU加速仿真背后的数学模型可以显示出许多变量如何影响设计，包括非线性静应力、振动容差、流体动力学和热传递等。当然，这些变量并不是孤立存在的。GPU加速仿真正在迅速接近可以评估这些变量的协同相互作用如何影响设计性能的地步。

“算力是引擎的马力”，创成式设计对应的产品设计通常十分复杂，而仿真对影响产品设计周期的意义重大，如何使团队可以更快地进行迭代，并避免进行昂贵的原型设计步骤和后期设计变更，GPU加速创成式与仿真的结合，一切正在开始。

当使用创成式方法进行设计优化时，遗传算****迭代调整设计并在给定新配置的情况下模拟性能。以这种方式，出现了更高效和高性能的设计配置。GPU处理能力越大，系统运行模拟的速度就越快，从而使创成式的设计工具能够针对更多变量进行优化同时并行开发更多解决方案。

与基本拓扑优化相比，创成式设计的主要优势之一是能够针对不同的制造技术进行优化。创成式设计与仿真结合的力量不止于制造优化，这种方法还可以围绕各种功能目标进行优化，包括材料、强度、传热、流体动力学和重量。而且，从纯粹的商业角度来看，附加到实时市场信息的创成式设计方法可以考虑成本约束。最后，创成式式设计会找到能够最有效地平衡这些相互约束目标的解决方案。

GPU加速的仿真使经验不足的工程师可以快速测试他们的设计，而创成式设计则通过允许他们快速优化他们的设计而走得更远。模块化创成式设计可以进一步提高新手工程师的生产力，在模块化创成式设计中创建模块来解决通用问题。

通过自动找到解决复杂设计挑战的解决方案，创成式式设计可以大大提高生产率并缩短设计周期，与仿真结合在一起可以提高运营效率，加速创新并更快地将其产品推向市场。

l GPU对制造过程的支持

根据市场观察，GPU的应用不仅体现在仿真领域，随着3D打印机的尺寸，分辨率，精度和准确性的提高，驱动该过程所需的数据量也随之增加。拿惠普（HP）的MJF 3D打印机所处理的3D文件来举例，文件大小经常超过4.5 TB，而这些文件对应的构建体积为380 x 284 x 380毫米。如果构建体积增加50％，则该文件大小将增加3.375（1.5 ^ 3）或总计15.2 TB。在如此巨大的文件情况下，使用旧版或仅CPU的软件解决方案来处理这种数据量已变得站不住脚，一切正在改变。

GPU功能强大、灵活、可扩展且价格合理。不幸的是，除了渲染漂亮的图片外，大多数都没有用于计算几何中。在制造过程中利用GPU的数据处理和计算能力意味着可以在计算机和3D打印机中处理大量文件。用户不需要每次构建都需要TB级的制造数据，只需要有关如何生成零件的指令，现在就可以在3D打印机中进行计算。

l  GPU对数字孪生体技术的支持

不仅是处理打印前的数据，在打印过程中，原位过程监控和反馈是一个发展中的领域，主要应用在金属PBF 3D打印技术（粉末床熔化）。随着用户开始期望更多的过程控制，他们需要更复杂的工具。根据我们的市场观察，当前同时使用反馈系统和结合了模拟软件功能的“前馈”系统正在兴起，例如Ansys和Altair正在研究在构建过程中调整打印参数。将此数据驱动决策与3D打印机中的GPU计算能力相结合，数字孪生体技术使得复杂的3D打印过程变得轻松，从而减少故障，提高零件质量并更智能地使用材料。

l GPU对高通量3D打印文件的支持

随着数据驱动决策的发展，高通量数据的处理变得尤为重要，在这方面，根据3D科学谷的市场观察，美国西海岸的创业公司Dyndrite的用于增材制造的新3D几何内核使用原始的数学表示形式（B样条曲线，NURBS和B-rep数据）来提供更好的增材加工路径。通过不依赖STL这样的数百万个三角形来定义打印，Dyndrite的解决方案避免了“数据膨胀”，并可以提高打印零件的质量。这意味着通过消除需要修理STL的耗散动量的步骤，从而提高了可重复性并提高了生产速度。

软件正在吞噬整个世界，Dyndrite的解决方案也是基于GPU的，根据我们的市场判断，GPU与CPT的应用结合将渗透到从建模仿真到数字孪生体技术，再到过程控制等3D打印工艺链的方方面面，而由GPU这种算力所支撑的人工智能算法将统治3D打印的方方面面。

我们相信GPU与CPT的应用结合将为3D打印行业带来巨大的新效率和机遇。很快，3D打印行业会发现，一家3D打印企业最好团队中有一些人可以编写代码，否则这样的企业将变得寸步难行。