Novità COMSOL Multiphysics^® versione 6.2

Modelli Surrogati

La versione 6.2 di COMSOL Multiphysics^® introduce nuove potenti funzionalità per la creazione e l'utilizzo di modelli surrogati. Questa funzionalità è disponibile attraverso solutori basati sul design degli esperimenti (DOE) e definizioni di funzioni. La velocità di calcolo di un'app di simulazione può essere notevolmente aumentata utilizzando un modello surrogato invece di un modello completo a elementi finiti. Un modello surrogato è un modello più semplice, di solito più economico dal punto di vista computazionale, che viene utilizzato per approssimare il comportamento di un modello più complesso e spesso più costoso dal punto di vista computazionale. La valutazione più rapida del modello offerta da un modello surrogato offre all'utente dell'app un'esperienza più interattiva e facilita la diffusione dell'uso della simulazione in tutta l'organizzazione.

Studio per l'addestramento del modello surrogato

Un modello surrogato viene creato mediante l'addestramento su un ampio set di dati prodotto utilizzando il nuovo studio Surrogate Model Training. Quando si addestrano i modelli surrogati, è vantaggioso utilizzare metodi di campionamento DOE strategici, come il campionamento Latin hypercube (LHS), rispetto ai metodi convenzionali come il campionamento casuale o a griglia uniforme. L'LHS, utilizzato nello studio Surrogate Model Training, copre in modo efficiente lo spazio di input senza un eccessivo numero di calcoli. Sebbene l'accuratezza dei modelli surrogati migliori con un maggior numero di punti dati, è necessario trovare un equilibrio tra il tempo impiegato per la generazione dei dati e l'accuratezza del modello richiesta.

Funzioni del modello surrogato

Lo studio Surrogate Model Training può essere utilizzato per la generazione dei dati e fornisce anche opzioni per l'addestramento automatico dei modelli surrogati dopo la generazione dei dati. I modelli surrogati sono disponibili come funzioni nel nodo Global Definitions. I diversi modelli surrogati presentano una serie di capacità e limitazioni, per cui è essenziale sceglierne uno che si adatti ai requisiti e ai vincoli dell'applicazione. In COMSOL Multiphysics^® è incluso il modello surrogato Deep Neural Network (DNN). L'Uncertainty Quantification Module offre inoltre i modelli surrogati Gaussian Process (GP) e Polynomial Chaos Expansion (PCE). I modelli surrogati GP e PCE includono stime di incertezza relative alla qualità dell'adattamento dei dati, mentre il modello DNN non fornisce alcuna stima di incertezza. Il vantaggio del modello DNN è che può gestire insiemi di dati più grandi rispetto ai modelli GP e PCE. L'Uncertainty Quantification Module include ulteriori studi specializzati e funzionalità di analisi per i modelli surrogati GP e PCE.

Interpolazione e approssimazione di funzioni multidimensionali

I modelli surrogati possono essere utilizzati per l'interpolazione e l'approssimazione di funzioni multidimensionali generali e possono gestire un numero arbitrario di ingressi e uscite. Inoltre, i modelli surrogati sono adatti a gestire complesse relazioni non lineari nei dati. L'uso delle funzioni dei modelli surrogati non si limita alle app e alla quantificazione dell'incertezza, ma può essere utilizzato anche per rappresentare i dati dei materiali, per l'ottimizzazione e altro ancora. Si noti che le funzioni del modello surrogato possono essere differenziate più volte rispetto a qualsiasi parametro di ingresso.

Nuove app

La versione 6.2 di COMSOL Multiphysics^® introduce nuove app di esempio.