TF-AIDEA 十沣人工智能仿真平台
基于深度学习算法的通用人工智能仿真分析软件平台
TF-AIDEA 简介
TF-AIDEA是一款“自动化数据管理+大模型训练+工业应用部署”一体化的AI-CAE多物理场仿真平台，完全由十沣自主研发，代码完全可控。用户可以使用软件自主训练和部署工业大模型，使用方式简单直观，助力工业AI模型的广泛落地。软件能够实现传统仿真任务的秒级预测，彻底颠覆传统设计迭代的长周期，加速工业创新与发展。TF-AIDEA支持多种前沿深度学习算法，包括深度点云网络、图神经网络、傅里叶算子网络等等，以确保各仿真工况下的预测速度和精度。软件支持自定义工业模型网络架构，自主训练模型，可视化训练过程，实时更新预测结果和实时后处理等功能，用户可以轻松上手打造自己的快速仿真场景。
TF-AIDEA应用案例包括汽车快速仿真和风资源快速评估，在汽车仿真任务上支持对风阻系数、速度场、压强场、表面压强以及表面摩擦应力的快速预测，助力汽车外形的高效设计迭代；在风资源评估方面，TF-AIDEA能快速预测不同地形近地表一百米的风场，为风场选址、设计和部署提供快速科学的支持。在汽车和风资源工业大模型中，TF-AIDEA分别采用百度飞桨Paddle团队的真实汽车数据和国内真实地形地貌风场采样，使预训练模型具备很高的实用价值和鲁棒性。
功能亮点
-
秒级推理
-
丰富的工业大模型
-
自定义训练
-
完善的后处理可视化
秒级推理
-
快速汽车仿真
在汽车快速仿真任务上，TF-AIDEA创新性地开发了一种点云降采样算法，能够高效自适应地处理不同规模的点云数据，实现对多分辨率三维几何快速高效的多物理场预测。视汽车几何模型的精度不同，TF-AIDEA的汽车仿真一般能在数秒内完成推理，并可视化预测结果。汽车仿真的秒级推理颠覆了传统工业设计迭代的长周期痛点，深入加速工业创新与发展。
-
快速风场预测
在快速风资源评估任务上，TF-AIDEA根据风向、来流条件和地形地貌等数据的特点，针对性地开发了基于来流阻隔距离的特征提取方法，更准确捕捉地形语义特征的同时大大降低推理预测的耗时。在风资源算法上，软件针对地形数据特点，开发了结合深度点云+插值面降阶投影的工业网络模型，显著提高了网络的学习能力和泛化能力。相较传统风场仿真，我们的软件具备远远更快的响应能力和高度适应性，能够为风场选址、风能开发提供科学快速的数据支持。
丰富的工业大模型
-
深度点云网络
针对大规模点云数据的无序性、不规则性等难点，TF-AIDEA集成了Point Transformer、Transolver等前沿深度点云网络，在保证计算效率的同时，准确提取关键几何语义信息，确保在复杂场景下的高准确度和可靠性。
-
图神经网络
TF-AIDEA集成了GraphSAGE、GAT 等前沿图神经网络，能更准确地捕捉点云数据的局部特征，提高对汽车几何、地形几何关键点的敏感度，提高模型的预测准确性。
-
深度分割网络
TF-AIDEA对大规模点云数据进行处理时，采取了对三维点云插值降阶到二维点的策略，简化点云的表示形式使其更容易理解与分析。在二维点特征提取任务上，软件集成了UNet3+、TransUNet等深度图像分割网络，将二维多尺度特征结合到三维语义特征中，减少网络参数量的同时更准确地识别点云数据中的几何边界和语义结构。
-
傅里叶算子网络FNO
TF-AIDEA集成了 Fourier Neural Operator(FNO)，利用傅里叶算子将点云数据的多尺度特征映射到高维空间，提高模型抓取点云数据潜在特征的能力，提高模型对复杂几何状态下的预测准确性和可靠性。
自定义训练
-
自定义训练
TF-AIDEA的训练模块支持用户自主训练工业大模型，根据GUI直观简洁的提示，用户可以一键导入数据、选择网络模型、设置网络模型尺寸参数，即可一键开始训练，有效降低了用户的使用门槛，助力工业大模型广泛推广与落地。
完善的后处理可视化
-
完善的后处理可视化
TF-AIDEA对多物理场预测任务均支持完善的后处理功能，包括切平面、等值面、流线图等等，同时具备数据管理模块供用户自行导入导出数据进行自定义后处理。
典型应用
-
汽车交通
-
能源动力
汽车快速仿真
汽车传统仿真任务中常用的风洞试验、CAE计算等技术手段往往以天为单位，存在计算耗时长、硬件成本高的痛点。随着新能源汽车的飞速发展，汽车造型设计的快速迭代需求日益迫切，TF-AIDEA开发的汽车多物理场工业大模型只需要输入汽车几何即可在几秒内快速推理出速度场、压强场、表面压力、表面摩擦力等汽车几何关键指标，快速反馈给造型设计师，大大降低汽车造型设计人力物力，加速设计流程推进新能源汽车行业发展。
风资源快速评估
TF-AIDEA采用先进的AI技术，致力于快速评估风资源。通过收集和分析实际地形的风资源数据（如风速、风向和地形高度），为模型提供了真实丰富的训练素材。同时，利用深度学习算法，训练了一个强大的AI模型，以学习并建模地形与风场之间的复杂关系，从而达到快速、准确识别地形风资源的能力。
本公司提出的AI模型能够在极短的时间内，根据输入的地形数据，提供准确的风场预测。显著提高了评估效率，降低了成本，使风能开发项目能够更快速地进行选址和规划，帮助用户在竞争激烈的市场中抢占先机。
相较于传统的风资源评估方法，我们的模型具备快速响应能力和高度适应性，能够轻松集成到现有的风能开发流程中，为决策者提供科学、可靠的数据支持。这一技术不仅提升了决策的科学性，还有效解决了传统方法耗时长、成本高的问题，推动可再生能源的可持续发展。
风电-风资源快速评估
