Des simulations physiques sont effectuées à plusieurs échelles couvrant divers domaines physiques. Les simulations de continuum à grande échelle sont largement utilisées pour la conception et l'évaluation des produits en raison de leur grande précision. Pour extraire des informations significatives des simulations de continuum aux échelles logiques et fonctionnelles, des modèles substituts sont utilisés pour réduire des temps d'exécution de minutes à jours à quelques secondes, permettant ainsi un grand nombre d'évaluations de paramètres dans l'espace de conception.

Cependant, ces modèles substituts ont une faible fidélité et ne fournissent qu'un nombre limité d'informations à travers quelques indicateurs clés de performance. Pour conserver des résultats complets de simulation 3D tout en réduisant le temps d'exécution, ce travail présente une approche de réseau neuronal pour l'exploration de conception interactive en 3D. Des simulations multi-physiques à plusieurs échelles - analyses FEA de la statique, de la dynamique, de la fabrication, de l'emballage et de la sécurité structurales ; analyses CFD de fluides compressibles - sont utilisées comme plans d'expérience pour générer les données de conception paramétriques. Les données sont traitées et utilisées pour entraîner des réseaux neuronaux rapides en tant que substituts 3D.

Les algorithmes et architectures de réseaux neuronaux (réseaux avant profonds, réseaux récurrents et récursifs, etc.) sont choisis en fonction de la nature du problème physique. Les modèles de réseaux neuronaux entraînés sont déployés dans un environnement de conception collaborative pour des explorations de conception interactives. L'approche proposée étend les modèles substituts traditionnels pour couvrir à la fois les réponses physiques transitoires et les champs 3D, ce qui ouvre une nouvelle ère pour la conception de produits.