產品特色
- 專業知識觸手可及: 由於深度學習會自動學習資料的特徵，因此它包含建立分析資料和進階分析功能的 CAE 專家的知識。透過使用 Neural Concept ，即使您沒有足夠的分析知識，也可以獲得與專家相同的結果。
- 快速預測與分析：基於AI 的代理模型 (Surrogate Model) 來取代傳統的 CAE 求解器進行預測分析，能夠在不到1 秒的時間內輸出準確的結果大幅縮短了計算時間，使設計流程更加高效。
- 兼容性強：支持多種求解器和分析領域，能夠處理不同的幾何結構、分析條件和結果，適用於多個行業的不同需求。
- 靈活的數據更新與模型訓練：支持在生成 AI 模型後，可以隨時新增數據進行重新訓練，保證模型的準確性與適用性。
- 強大的設計優化功能：Neural Concept 與 Ansys 等 CAE 平台結合後，能在數分鐘內評估上萬個設計模式，並即時輸出最佳設計方案。
產業應用案例
|
電子業 (PCB 落摔分析) 在 PCB 設計中，利用 Neural Concept 建構的代理模型進行高精度的預測，能夠在短時間內完成多種形狀和力學分析，減少分析成本。
|
電子業 (PCB熱設計) 針對 PCB 產生熱量的電子元件的佈局和形狀的設計，需要預測溫度分佈，使用 CAE 結合 Neural Concept 技術能將分析時間從 20 分鐘縮短至數毫秒，進而提高設計效率。
|
|
電子業 (熱交換器熱設計) 熱交換器形狀複雜且參數多樣，僅透過 CAE 進行最佳化需要大量的計算成本。透過 Neural Concept 深度學習技術建構 Surrogate Model，能實現即時預測不同外型的熱交換器性能，近一步進行熱交換器的優化設計。
|
汽車業 (汽車外型設計) Neural Concept 可直接處理3D數據，無需進行參數化，並可允許自由形狀的改變，進而找到全新的設計可能，透過此方式進而找到更合適的汽車外型設計。
|
|
汽車業 (碰撞盒設計) 德國航空航天中心 (DLR) 使用 Neural Concept 優化碰撞盒設計，通過 AI 預測能量吸收及碰撞安全，成功提升設計效能達 10%。
|
汽車業 (注塑產品翹曲分析) 法國彼歐Plastic Omnium 使用 Neural Concept 進行注塑產品的翹曲預測，將模擬時間從 6 小時縮短至 20 秒，並大幅減少了設計工時。
|
|
航空業(機翼外型設計) 透過使用低精度的分析資料進行預學習，然後使用詳細的分析資料進行訓練，降低總體成本，進行飛機外型升力比優化設計。 |
航空業(無人機外型優化設計) 透過 Neural Concept 建構 Surrogate Model進行機翼外型優化設計，可直接處理複雜的3D模型及資料，並進行優化設計分析，將優化升力提高了4.25%、阻力降低了6.25%。 |
如果您有任何疑問，例如詳細的定價或實施流程，請隨時與我們聯繫。
