如何更好的融合基于模拟的设计和基于人工智能的设计

      论文中的图1（为了便于手机竖屏阅读，我们将论文中的图做了90度转置）给出了基于模拟的设计和基于人工智能的设计的现状，现阶段基于模拟的设计（例如抗震弹塑性分析）主要是为人工智能设计提供安全性检验的重要工具。还没有达到深度融合的目标。

       论文结尾图16则进一步展望了基于模拟与基于人工智能的协同设计框架。

        论文中的图16看着比较复杂，我们可以把它拆解成三个子图（图A、B、C）来解释。

        首先，图A给出了4个学习路径。现代人工智能学习能力是非常强大的，目前研究得比较多的是利用AI中的图像处理技术，来学习既有的工程案例图纸（即图A中的“学习1”）。考虑到近期AI自然语言处理能力（NLP）的快速发展，AI学习模拟分析算例、报告或者设计规范的能力正在迅速提升，未来AI有望学会模拟分析算例、报告中的知识（即图A中的“学习2”），从而让AI可以自动生成模拟分析算例（类似AI通过学习棋谱来下棋）。也可能学会设计规范中的知识（即图A中的“学习3”），从而让AI可以自动对设计结果进行合规性检验。AI还可以去学习计算机批量生成的优化算例，发现其中的优化规律（即图A中的“学习4”），从而可以生成更加优质的AI设计结果。

       通过图A中AI更加完善的学习体系，提升AI的能力后，更多的工作就有望高效自动实现。例如，业界普遍觉得基于模拟的设计对使用者要求比较高，使用起来不是很方便。而AI学习了模拟分析算例和报告以后（即图B中“学习2”），就有可能学会基于模拟的设计的操作流程，自动生成基于模拟的设计所需的计算模型（即图B中“生成1”），这样一些原来需要高水平工程师手动开展的基于模拟设计工作，就有望通过AI自动化来实现（图B）。

       此外，AI可以不知疲劳的学习新的工程案例并批量生成新的设计结果。将AI这一特性与计算机模拟和计算机优化相结合，可以形成图C所示的闭环提升流程。即AI生成设计结果（即图C中“生成2”），自动提交给计算机进行模拟和优化，然后AI进一步学习优化后的案例（即图C中“学习4”）。如此不断迭代循环，最终AI的学习数据库将获得大量深入优化后的案例，从而显著改善AI设计结果的性能或成本（根据优化目标选择）。

       未来基于模拟的设计和基于人工智能的设计将走向融合之路，AI不仅可以学习图纸、规范，还可以学习模拟分析的算例和报告从而自动完成基于模拟的设计，并实现AI生成-优化-学习-再生成的闭环提升。