产品定位
鲁班仿真智能系列产品的研究范围包括仿真数据挖掘、代理模型、自动优化等，致力于探索AI+Sim的可行方案：
- AI辅助仿真方向：借助AI大模型+仿真平台，实现仿真数据库模糊检索、仿真知识库构建；借助AI大模型+仿真前后处理软件，实现MPC建模/分析助手等功能。
- AI代理仿真方向：通过降阶模型、FCNN、Modulus等多范式科学AI网络等技术构建小规模、准静态（quasi-static）系统的代理仿真模型，实现仿真结果实时预测。
- AI驱动仿真方向：通过启发式、机器学习等技术作为驱动器，通过几何、网格、求解、报告自动化等技术作为执行器，实现AI驱动仿真多轮迭代，帮助工程师进行设计决策。
AI + SIM行业方案仍处于预研、试错、迭代阶段，下面以自动优化、专用知识库、软件智能化为例，展开介绍我们的初步探索：
自动优化
业务价值：
- 通过机器学习算法技术作为驱动器，通过几何、网格、求解、报告自动化等技术作为执行器，实现算法自驱动多轮仿真迭代，可以理解为利用AI技术实现了更高Level的仿真自动化。
- 如图所示，自动优化能够将原本耗时10余天的纯手动仿真建模、方案分析、方案筛选，简化成1.5天的自动仿真优化，大大减少“虚拟测试”试错成本，释放仿真的价值，以量变产生质变。
技术方案：
- 驱动算法：LUBAN基于小样本强化学习技术开发了通用优化加速算法、收敛速度显著优于各类常规启发式算法。
- 几何变形：基于商软的全自动化二次开发（已支持：Ansys spaceclaim）。
- 网格变形：基于商软的全自动化二次开发（已支持：Ansys workbench,Altair hypermesh,LUBAN Mesh等软件/算法）。
- 仿真求解：调度系统支持批量自动提交，支持各类求解器。
- 结果提取：基于LUBAN CAE Post api接口可实现快速结果提取。
平台化：
- 将复杂的建模、求解、分析任务隔离起来，用户仅需通过web平台按步骤提单即可开启多轮自动优化任务。
- 数据长期且有序存储，为后续分析、复用、数据挖掘奠定基础。
下面视频演示材料自动优化的效果：
专用知识库
借助日益强大的 AI大模型与企业私有文档相结合，工程师可以在私有云环境中快速部署专属的专家知识库。这样不仅能够安全地管理和调用企业内部的仿真规范、仿真标准与仿真案例，还能让这些沉睡在文件夹里的知识“活”起来——通过自然语言对话、智能检索与推理分析，实现对经验和规范的即时调用与灵活应用。
在适当的场景推广应用，有机会提升工程师的工作效率：
- 快速检索：几秒内找到与当前任务最相关的标准或案例。
- 智能解读：AI 自动解析复杂规范，提炼重点，并结合上下文给出应用建议。
- 持续进化：知识库可随项目积累不断扩充，并通过 AI 学习优化回答质量。
专家知识库不仅是文档的集合，更是企业仿真经验的“数字化工程师”，助力标准化、知识复用与新人工程师的快速上手。
软件智能化
在 AI 与仿真软件的融合探索过程中，我们希望 LUBAN 系列软件不仅高性能、自动化，而且能够智能交互，让工程师不仅能通过传统的界面操作完成任务，还能像与同事交流一样，通过自然语言直接驱动软件完成建模、计算与分析工作。
技术方案：
- 自然语言解析：通过大语言模型将工程师的自然语言指令转换为后台可执行的 SQL 查询、建模 API 调用或分析 API 调用。
- 智能分析与报告：基于仿真结果自动生成摘要、关键指标表格、可视化图表，并按企业报告模板输出HTML/PPT 报告。
- 知识与数据融合：与专用知识库打通，边看规范边执行操作，实现AI辅助仿真。
初步功能预览如下：
小结
AI算法日新月异，我们在AI+仿真领域仍处于初期探索阶段。在此仅分享一些思路，期待与各位开展更深入的交流与合作。
以自动优化为例，AI+仿真意味着一次优化任务需要消耗数十次、甚至数百次仿真求解，原本一天的仿真会延长至数天、数周，难以落地，求解效率的瓶颈如果无法突破，AI+仿真的能力就难以完全释放出来。我们将在下篇文章介绍仿真高速化方面的工作。
