產品特色
- 專業知識觸手可及：由於深度學習能夠自動學習數據的特徵，因此它包含了構建分析數據和高級分析能力的CAE專家的知識。(通過使用NC，CAE數據科學工程師能夠在利用現有專業知識的同時，將其影響力提高10倍)
- Neural Concept 平台將端到端的產品開發時間縮短最多達 75%，並能將工程師的工作效率提高最多 10 倍，同時提升產品特性，如能源效率、安全性、速度和空氣動力學性能
- Neural Concept 的 3D AI 平台通過在不到一秒鐘的時間內實現快速、準確的預測，顯著加速設計過程，並通過強大的數據驅動洞察力，增強傳統的 CAE 求解器。
- 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。
- Neural Concept 通過與 Ansys 等工具的無縫集成，能夠在數分鐘內評估數千次迭代，優化設計並即時提供最佳解決方案，同時擴展 AI 自動化，提升工程競爭力。
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。
