AITOPT智能拓扑优化设计软件首页

功能特色

（1）强大的计算流程建模——提供图形化的计算流程定义功能，在计算流程图中可以方便的调用任意的商业软件、动态库或直接以脚本形式嵌入专家经验公式，可建立任意复杂的计算流程，实现计算流程的自动化，供优化引擎调用。

强大的计算流程建模

AIPOD提供了主流CAE软件在内的CAE节点工具箱。基于这些定制化的商用软件接口，用户通过简单的操作即可实现批处理命令生成与变量识别，从而快捷地实现计算流程集成。

批处理命令自动生成

变量自动识别与关联

图2 CAE节点快捷配置

此外，AIPOD还提供了包含判断、循环、并行等流程执行控制节点在内的控制节点工具箱，如图3所示。

图3 控制节点工具箱

基于判断(IF)节点，用户能够实现对流程中分支的分情况执行，满足前置条件不同，下游计算流程不同的使用场景。基于循环(Loop)节点，用户能够实现流程中分支的循环执行。基于并行(Concurrent)节点，用户能够实现对流程中分支的并行执行，最大化利用计算资源。

（2）全新的代理优化加速模块——AIAgent可通过与计算流程的连接，进行数据智能采样，通过天洑自研的机器学习算法，进行代理模型的训练，为优化设计加速助力。AIAgent中的机器学习算法来自于天洑数据建模平台，其核心是天洑自研的超参学习框架，相较于传统响应面、Kriging模型，AIAgent针对复杂问题表征能力更强、数据集需求量更低、使用门槛更低，而且训练得到的模型可导出，可复用，可作为企业的核心知识进行管理，提升企业快速优化设计的能力。

图4 AIAgent一键构建可复用的高精度代理模型

（3）具有智能探索能力的SilverBullet算法——SilverBullet算法是针对工业设计领域数值模拟计算成本高的痛点而研发，在计算成本有限的情况下（百量级），以尽可能少的计算代价，获取尽可能高的性能提升。SilverBullet算法整合了智能采样技术、耦合优化技术，以及一套核心的参数指标动态协调全局优化和局部探索力度，从而实现在小计算规模下的高效性能优化提升。SilverBullet算法有以下两大特色：

① 自适应优化场景，零使用门槛

SilverBullet算法具有强大的自适应性，用户仅需提供计算代价，无需任何超参设定，即可一键启动优化流程，大幅降低了用户的使用门槛；

② 智能边界突破（Bound-break）

SilverBullet独有的智能优化探索能够摆脱参数范围不够精确的困扰，对于无法精确给定变量范围的部分变量，在满足不增加搜索成本的前提下，自主决策有选择性地突破设计参数范围边界，获得更好的设计方案。

（4）耦合代理模型和求解器优势的SilverWing算法——Silverwing算法集智能代理学习AIAgent、强化学习、启发式优化等技术为一体。其中“高精度代理学习”技术，提供了激活利用用户已有数据的载体，从庞杂的数据中寻找规律，推进工业流程和效率的持续优化，让设计闭环积累，基础创新提速；强化学习和优化技术则保证了在可控的时间内，高效设计方案集的快速输出响应。

（5）丰富的优化算法——除了前述的SilverBullet和SilverWing智能优化算法外，AIPOD还集成了包含CG等梯度型算法和MGA等进化型算法在内的50种单目标优化算法，以及基于MOEA/D框架的9种多目标优化算法。NSGA3和MOEA/D等优化算法还实现了对离散变量优化的支持。

图5 丰富的优化算法

（6）丰富的DOE（实验设计）算法——AIPOD内嵌了包含Sobol采样、部分因子采样、中心复合试验、拉丁超立方采样、用户自定义采样等算法在内的13种DOE算法，并支持了包含离散变量的DOE计算功能。

图6 丰富的DOE算法

（7）分布式支持——AIPOD可以在单个计算流程中调用位于不同计算机上的软件，实现计算资源的有效利用。在安装有被调用软件的计算机上开启AIPOD从节点服务，即可实现该计算机在AIPOD主节点流程中的调用，无需安装辅助工具或进行额外参数配置，实现更为简单、便捷。

图7 分布式配置

（8）多种交互方式，跨平台支持——AIPOD除提供单机版外，还提供服务器版，均支持跨平台，提供多个Windows和Linux发行版本。服务器版基于Web的用户界面，操作系统可不需要图形界面；因此用户可以将AIPOD部署在服务器中，充分利用服务器强大的硬件资源；用户可在网络中，通过浏览器随时随地的接入AIPOD，管理计算流程、提交优化任务、查看任务的运行状态以及进行优化结果分析，赋予用户更强的掌控能力。

图8 客户端启动

图9 优化任务远程监控