在 COMSOL^® 中生成用于 AI 训练的多物理场数据

物理 AI 模型的性能高度依赖于训练数据的质量，然而，这类高质量数据集往往稀缺、获取成本高昂，或难以通过实验手段获得。借助 COMSOL Multiphysics® 软件，可以通过对单物理场及多物理场耦合系统进行多设计参数的仿真，生成用于训练物理 AI 模型的高质量数据。

在本次研讨会中，我们将展示涵盖结构力学、计算流体力学（CFD）、电磁学、声学、化工及电化学等多个领域的仿真案例。我们将重点介绍如何借助试验设计（DOE）方法实现高效的参数化扫描和集群扫描计算，以及数据提取，并介绍如何基于这些数据训练物理 AI 模型，并将获得的 AI 模型进一步应用于仿真 App 开发、产品优化设计、不确定性量化评估及数字孪生系统搭建等。

研讨会设有案例演示和问答环节，参会人员可以在演示过程中提问，工程师将在问答环节中针对与会者的问题进行解答。

在您注册完成之后，将会立即收到一封含有参会链接的邮件。