課程大綱： ODYSSEE數字孿生與機器學習大數據優化軟件培訓
ODYSSEE是基于CAE模擬數據和物理測試數據，通過人工智能(AI)/機器學習(ML)和降階建模(ROM)技術，
進行產品實時預測及優化的數字孿生與機器學習大數據優化軟件。
軟件不僅用于設計階段，在早期設計階段之后，采用數字孿生技術，制造商可以進行圖像識別、
仿真預測和故障預測，幫助解決整個生產過程中的停機、吞吐量、質量和靈活性等問題。
ODYSSEE數字孿生與機器學習大數據優化軟件.png
ODYSSEE CAE只需進行幾次先前的CAE模擬，即可實時預測、優化并可靠地生成準確的結果。
ODYSSEE CAE以非常低的計算成本提供非常精確的預測模型，
這使得ODYSSEE CAE能夠在幾秒或幾分鐘內運行數千次，同時也無需使用超算平臺，在小型筆記本上就可以計算結果。
ODYSSEE A-Eye允許用戶使用圖像數據、傳感器數據、標量、標簽、曲線和CAD數據作為輸入量，
定制自己的AI應用程序，然后通過機器學習(ML)和人工智能（AI）技術將定制的程序納入他們的工作流程中。
功能特點
1) 數據聚合及模型降階
ODYSSEE基于數據結構，能夠利用結構力學、流體力學、空氣動力學、多體運動學等市面上常見軟件的結果進行無縫銜接，
使用先進的降維算法在保留高維度數據精度和質量的同時提高分析效率。降階完畢后還能實時給出多個參數的靈敏度。
2) 多參數實時優化
ODYSSEE能夠基于復雜的數據模型對單個、多個自變量進行同時調整，
直觀實時地體現出參數對終性能的影響情況。同時還可設置約束條件，
在調整自變量取值范圍的同時限制待求解參數的變化范圍，探索不同配置方案的優化效果，
從而有利于設計階段深入權衡和優選設計參數，優化設計方案。
3) 可視化參數實時調整學習
ODYSSEE可以對仿真得到的動畫進行直接學習，提取動畫中的網格節點并進行參數優化，
實現復雜物理問題的秒級計算和優化。常用的動畫有：模態振型動畫、車輛碰撞變形、閥門噴流、泵、壓縮機水力性能動畫等。
4) 圖像智能識別和預測
ODYSSEE擁有強大的圖像識別和預測模塊，能夠對靜態的圖像進行學習，識別關鍵信息建立的機器學習模型，
從而實現特征圖像識別和未來發展情況預測。
該圖像識別可實現與現有設計軟件集成，
從而實現“當前+未來”情況匯總，提高設計與分析效率。
5) 不俗的擴展能力
ODYSSEE除了已集成的機器學習算法之外，用戶還可根據實際需要將自編算法導入ODYSSEE中進行優化計算。
ODYSSEE還擁有外部I/O接口，支持使用Python等語言進行二次開發。
加入高級會員獲得助教答疑
