所谓仿真，即通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的仿真模型技术。计算机和电子信息技术的突飞猛进，更为仿真技术发展提供了现代化工具。当前，我国制造业正处于迈向智能化、数字化的关键阶段，仿真作为支撑各行业企业进行技术创新的核心技术之一，为企业提供覆盖产品论证、研发、试验、制造等各个阶段的全生命周期解决方案。
“CAE（计算机辅助工程）软件是应用仿真技术驱动产品和技术进步的重要路径，但我国工业装备研制使用的CAE软件几乎全部是国外产品，研发设计软件国产化率仅为5%。”在中国科学院院士、工业装备结构分析优化与CAE软件全国重点实验室副主任郭旭看来，“底层共性关键技术突破已成为实现CAE软件自主可控的重中之重。”
郭旭分享了未来可重点发力的几大创新方向，如结构拓扑优化、基于人工智能技术创新CAE软件新架构、构建数字孪生底层技术、物理知识增强的机器学习范式等。
中国科学院院士李惠表示，近年来，物理机器学习成为求解高维非线性微分方程的新范式。微分控制方程物理机器学习求解可分为数据求解、数值计算和机器学习混合求解和直接求解三类方法。李惠院士介绍了上述三类求解方法的相关研究进展，并提出计算机视觉求解微分方程的科学计算方法。
底层共性关键技术创新，语言的重要性不可忽视。北京航空航天大学教授、中国工业合作协会仿真技术产业分会会长张霖带来《基于X语言的系统设计仿真一体化技术》的报告，他认为国内的开发工具基本采用国外的语言和方法论开发，为此需要在这方面大胆突破。同时，他也分享了其团队在国家重点研发项目等支持下研发的一体化建模仿真语言——X语言及其相应的软件工具。
会议期间还举行了“人工智能、数字孪生与仿真技术”高端对话。专家们认为：仿真置信度要求越来越高，应该将VV&A方法（校核、验证与确认）应用于产品研发全流程；数字孪生模型是物理对象的数字镜像，其拥有独立的生命周期，可以自演进、自进化，数字孪生系统则包含了数字孪生模型、物理实体、虚实连接、反向控制等综合一体的复杂大系统；基于模型的系统工程（MBSE）方法是指导产品正向设计（从需求、功能、逻辑到物理实现）的主流方法论，对全新产品正向研发意义重大；机器学习算法在分析、预测与决策领域发挥了重要作用。随着生成式AI以及领域大模型技术的快速发展，其必然对仿真与数字孪生未来的发展产生深远影响。
来源： 人民网
