工程设计软件更换ML模型的建议

Question

我对工程结构(如墙)的设计阶段的优化有一些想法。如果我需要运行几次基于有限元的工程软件来寻找结构的最佳设计参数，那么传统的设计方法是非常耗时的。所以我想用这个工程软件生成的数据建立一个机器学习模型，而不是直接用它来减少运行时间。

我的结构可以用9-12个输入参数(如尺寸、材料性能、力等)建模。和4-5输出(如位移、内力等)。如果我想涵盖输入参数的所有范围(抽样间隔相对较小)，我需要创建数百万的培训数据。这需要我的算法在我的平均性能计算机上运行数年.这是没有效率和逻辑性的！

我想请您提供任何关于选择任何ML模型来解决此类问题的建议。我能否在不包括所有输入参数范围的情况下开发一个ML模型，这些参数范围可能仍然存在可接受的解决方案？用ANNs解决问题的效果如何？还是我应该放弃在这里应用这样的ML方法？你还有别的办法让我退房吗？

Answer 1

旧的一切都是新的。

这个谷歌搜索告诉我，神经网络与有限元的结合既有旧的(1992年的第二次引用)，也有新的(第一次引用是在2021年)。

我非常怀疑你“需要创建数百万的培训数据”。

神经网络可能不是这个问题的最佳解决方案。

早在90年代初，我的雇主就在使用遗传算法来优化喷气发动机的性能。这个问题似乎比你描述的结构性问题更复杂。

我会鼓励你不要把神经网络扔在问题上，而不是更好地理解它。