国产CAX全参数化解析CAD：您可以直接将SOLIDWORKS的全参模型导入至CrownCAD中

信息来源：中国科学院数学与系统科学研究院—华为 π实验室技术背景1. 结构大型稀疏刚度矩阵求解，尤其是结构自由度超过600W以上，直接法存在舍入误差、内存和硬盘开销过大及计算时间过长等致命缺点，迭代法的研制和开发成为另外一个重要选择。2. 对于迭代法，迭代矩阵的选取具有决定作用。只有选取的迭代矩阵谱半径小于1才能保持迭代法收敛。在迭代矩阵谱半径小于1的情况下，值越小收敛速度越快。为加速求解原线性方程组的收敛速度问题，常用方法是对系数矩阵进行预处理，基于不同的迭代法，有不同的预处理技术，包括：小带宽部分处理、分解、分裂、多项式构造、重排序、子结构、区域分裂、多重网格等。3. 不同的结构特点、网格和有限元模型建模方式不同，所产生方程组的系数矩阵的特性差异较大，目前无法使用一种通用的方法或理论进行预处理 而只能根据各自矩阵的特性采取适当的预处理方法，包括相应的设置参数。4. 对各自工业实际场景产生的不同的系数矩阵和迭代法选择、预处理方法选择、最优参数构建机器学习或强化算法和策略、通过优化损失函数进行组合训练，通过评估后，提供用户基于各自矩阵特性，较优的自动化适配选择预处理方法和参数，保障迭代求解器的稳健性、稳定性和减少迭代时间。5. 可行性分析：结构系数刚度矩阵的来源能够得到保障；迭代法和预处理已有成果基础；GNN图神经网格算法的成熟和不断应用，也非常适合稀疏矩阵特点；国产数值计算引擎+ 机器学习能力+麒麟欧拉的性能；国内CAE厂商对结构求解器的理解、结构仿真经验和工程场景基础；MIT CSAIL、Tsinghua University、Shanghai Qi Zhi Institute发表过Learning Preconditioners for Conjugate Gradient PDE Solvers，已经开展了不错工作，达成了较好效果技术挑战1. 结构系数刚度矩阵的特征描述和指标、分类和归类；2. 结构系数刚度矩阵较多输入来源；3. CG迭代法不同的预处理方法、预处理参数梳理和研制；4. AI技术路线的选择，合适算法及学习路线；5. 使用的校核、验证和优化技术技术路线和达成指标1. 结构系数刚度矩阵的特征描述和指标、分类和归类，保障 结构系数 刚度矩阵的数据输入；2. 结构系数刚度矩阵输入、种类、指标参数：CG迭代法不同预处理方法、预处理参数的个数；3. 机器学习或强化学习技术路线、算法和策略的选择；4. 使用的损失函数优化、校核、验证和评估技术实现；5. 可编译、运行适配麒麟处理器和欧拉系统；6. 相比主流商软的预处理迭代法，在100个各类系数矩阵输入情况下，通过串行、SMP和DMP，达成计算精度相当，迭代步数和总体时间减少20%，稳健性、稳定性保障提升20%；7. 虽然直接法具有稳定、通用和精度高，但内存开销高，数千万规模矩阵，直接法需数百G内存，如果AI优化融合的预处理矩阵合理，谱半径远小于1，迭代法仍然有求解速度高、精度能够满足数值计算精度要求的优势。参考文献来源：山涧果子