场景说明：tXh

电磁仿真软件HFSS的网格计算流程如下：tXh

1.对几何图形进行初始网格划分，并调用求解器进行计算；tXh

2.返回计算结果；tXh

3.按照一定的加密规则对某些地方的网格进行加密，生成新的应用网格；tXh

4.重新计算得到计算结果；tXh

5.达到收敛标准，否则重复步骤3；tXh

然后详细介绍了HFSS自适应网格加密算法的人工底层细节。tXh

用过HFSS的智能自动中工程师都知道，HFSS采用四面体网格，使用算法网格的网格大小直接影响计算时间。HFSS运行一次求解器非常耗时。加密对于中型车型，应用可以短至几个小时，人工也可以长达几天。智能自动中在这个计算过程中，使用算法有相当多的时间花费在网格加密上，这是一个反复调用求解器(多次运行求解器)的过程。随着网格的不断加密，运行一次求解器需要的时间会越来越多(网格数量随着网格大小的减小呈指数级增长)。tXh

问题的提出：tXh

其他CAE/CFD模拟软件流程类似。网格初始划分时，有没有自动加密网格的方法？答案是肯定的，这在上一篇文章中已经介绍过了，见附录，但是这种方法仍然有很多局限性。随着AI技术的发展，AI的计算能力和准确率都有了很大的提升(很多AI算法都是几十年前提出的，但近年来生态环境得到改善，研究门槛降低，更多项目落地。很多以前只能在实验室里用的东西，现在可以工业化应用了)。AI技术可以用来自动划分网格吗？本文对此进行了一些研究和探讨。tXh

解决思路：tXh

还是以HFSS为例，网格加密区域通常是金属、港口、PEC等区域。我们将这些区域的最终网格大小作为输入数据，计算结果作为输出数据。通过神经网络建立训练过程。在此过程中需要考虑的几个问题：tXh

1.训练需要有足够的样本；在HFSS，通过参数化建立最简单的几何图形，并在设置端口和边界后生成计算结果。然后，通过修改几何参数，生成足够的样本数据。这个过程可以用HFSS提供的VB脚本来实现。tXh

2.经过足够的样本训练后，利用神经网络建立深度学习模型，并建立模型的输出规则。tXh

3.验证规则：仍然使用开始时建立的简单几何体，修改参数，并使用训练结果为几何体设置网格参数(在HFSS，您可以为某个几何体手动设置网格参数)。tXh

4.将人工智能分割参数与HFSS迭代网格分割效果进行比较。tXh

如果人工智能微分的网格结果接近HFSS最终的网格结果，说明人工智能算法是非常成功的。AI自动生成网格的优势在于，对于大多数EDA几何图形，拓扑结构通常不会改变(不同厂商的PCB板不会改变连接器的形状，但尺寸不同)，这大大降低了AI算法对训练样本的要求。一旦训练成功，以后可以模拟类似的问题，网格可以一次划分到位，即求解器只需要调用一次。这种效果是HFSS工程师的梦想，因为很多时候，HFSS工程师只能坐在那里等待计算结果。tXh

后话tXh

当然，通过人工智能图形识别等技术，可以自动识别Port(这种识别与一般的特征提取有本质区别)，可以设置PEC，工程师只需要把几何丢进HFSS，后面会单独讨论。总之，人工智能已成为未来技术领域的发展趋势，并已体现在国家科技战略规划中。目前，人工智能已逐步登陆图形图像识别、无人驾驶、智慧城市、智能家居等领域。可以预见，人工智能也将应用于CAE/EDA/CFD等领域。FasPlatform作为数值计算的研发平台，未来还将整合人工智能相关算法和应用。tXh