近日，日本入高日本工程院董勤喜院士在第五屆中國超級算力大會上表示，工程工智導入人工智能技術的院院業軟高端工業軟件，能夠大幅減少產品開發周期，士董節約開發成本，勤喜快速響應客戶需求，將人件研高效實現產品升級迭代。端工

工業軟件涉及先進工業制造技術、日本入高工程管理、工程工智計算機與軟件等學科的院院業軟深度交叉融合，設計流程復雜、士董研發難度大且周期長、勤喜投入成本高。將人件研據估計，端工一款大型工業軟件的日本入高研發周期需要3-5 年的時間，要被市場認可則需要10年左右。董勤喜坦言，目前來看，國內工業軟件仍處于“中低端多、高端少”的階段，存在很大成長空間。

“我從80年代初就開始做工業軟件算法，存儲也包括在內，算法如果不優化，存儲量越來越大，用的CPU越多，熱量的排放也越多，很多方面都是關聯在一起的。”董勤喜表示。

在他看來，硬件設備發展得非常快，經過了5寸軟盤、3寸軟盤、MD存儲卡、SD存儲卡，內存已經不是問題了。在這種情況下，多物理場耦合成為工業軟件設計的一個重要趨勢，計算資源需求飛速增長。

董勤喜研究團隊自主研發的DonSys/Quake地震分析模塊，是一種能夠快速模擬地震波傳播及地震響應分析的有限元并行計算專用軟件，集成了模擬地震波傳播所需的功能，諸如震源、斷層滑動、邊界能量耗散吸收或無限元、快速網格自動生成及地震波后處理功能，網格自動生成能考慮地形和海底的幾何形狀分布。

這一技術曾對2011年發生的日本東北大地震南北720公里、東西630公里、深度80公里范圍內進行了大規模仿真計算，真實再現了地震波的傳播過程。地震波傳播數值模擬超級并行計算軟件Quake，也被日本鐵道技術綜合研究所、東京電力設計院、日本國家測繪局等采用作為日本地震防災減災關鍵技術支撐平臺。

再比如DonSys/Mine礦山分析模塊，可用于各類礦山尾礦庫建造運維工程安全分析，有滲流誘發失穩的E級超算解析、應力-滲流耦合作用下壩基失穩潰壩機制、洪水漫頂誘發尾礦壩失穩的高性能數值計算、地震作用下尾礦壩非線性力學響應及其潰壩模擬等功能，也可應用于地球物理、地下結構、各類礦山、尾礦庫、環境保護、應急防災等領域。

“國外商業軟件的數據讀取（單一串行）未能考慮現在及未來超大規模計算需求，商業軟件前處理部分成為高性能計算的嚴重瓶頸。國家戰略性的、高水準的工業工程數值模擬需要自主研發的高性能并行計算軟件，計算機硬件的并行化、CPU多核同時執行演算、演算和數據傳送的并行化、以及大量應用需求的驅動都需要高性能并行計算的支撐。”董勤喜表示，“深入理解并掌握包括數據結構、數據交換、并行處理等在內的核心技術，并運用高性能計算的強大處理能力，能有效提升制造業的效率和產品質量。”

“人工智能賦能CAE工業軟件建模，”董勤喜指出，“將人工智能尤其是機器學習導入工業軟件，能夠大幅度減少產品開發周期，節約開發成本，快速對應客戶響應，高效實現產品的升級迭代。”

基于豐富的仿真模型和行業數據，CAE的應用可有效幫助制造業企業減少甚至避免產品設計階段多次召回調優的重復工作。然而，傳統的CAE三維建模技術逐漸難以滿足企業對于這種高時效性和逼真模型效果的要求，倒逼服務商不斷探索更優的解決方案。

隨著人工智能技術的不斷演進，基于人工智能的機器學習能夠基于已有的大量數據，通過訓練神經網絡得到更準確的預測模型，人工智能開始成為制造業企業在研發設計環節的重點應用技術。董勤喜表示，以CAE在制造業積累的大量數據作為深度學習的基礎，人工智能的導入將賦能CAE建模范式持續優化，并進一步降低計算成本，驅動工業軟件設計開發的范式變革。

責任編輯：宋婧