🗾ITmedia AI+ (日本)•較早收集於 81m
大林組驗證 RICOS AI-CAE 風荷載預測解決方案
💡了解 AI-CAE 如何取代傳統 CFD，以加速建築產業的結構設計流程。
⚡ 30-Second TL;DR
有什麼變化
大林組正在測試 RICOS 的 AI-CAE 解決方案，用於結構風荷載分析。
為什麼重要
此整合展示了土木工程領域轉向 AI 驅動模擬的趨勢，有望縮短大型基礎設施專案的設計週期。
下一步行動
探索如何透過 AI 代理建模取代工程模擬工作流程中的傳統 CFD 求解器。
誰應關注：Enterprise & Security Teams
關鍵要點
- •大林組正在測試 RICOS 的 AI-CAE 解決方案，用於結構風荷載分析。
- •AI 模型透過處理建築形狀與風向等複雜變數來預測風力影響。
- •此計畫旨在減少傳統 CAE 模擬所需的計算時間與資源。
🧠 深度解析
Web-grounded analysis with 12 cited sources.
🔑 增強重點摘要
- •大林組正在驗證的解決方案為RICOS的『RICOS Lightning』，其核心是獨特的AI演算法『IsoGCN』，專為模擬數據應用而設計，能大幅減少計算量，實現模擬的根本性加速。
- •IsoGCN演算法已成功將傳統CAE模擬數天所需的計算時間縮短至數分鐘，同時保持足夠的精度，並已應用於汽車空氣動力學、電子零件熱分析及氣體熱流體分析等領域。
- •RICOS Lightning的關鍵優勢之一是無需傳統CAE模擬中嚴格的網格劃分作業，這使得非專業模擬人員（如設計師）也能更容易地使用該工具，從而降低了CAE技術的門檻。
🛠️ 技術深入
- 核心演算法：RICOS獨家開發的AI演算法『IsoGCN』。
- 數據處理：IsoGCN專門針對模擬數據的應用進行優化。
- 性能優勢：相較於傳統模擬，顯著減少計算量，實現根本性的高速化。
- 3D數據理解：能夠詳細掌握三維形狀，適用於產品設計中複雜的幾何形狀預測。
- 泛化能力：具備形狀『外推』的可能性，透過整合流體分析、熱分析和結構分析等方法，即使對於全新的產品形狀也能提供可靠的預測結果。
- 操作簡便性：無需傳統CAE模擬中嚴格的網格劃分作業，降低了使用門檻。
- 產品套件：RICOS Lightning是『RICOS Production Suite』平台的一部分，該平台結合了機器學習與CAE，並透過瀏覽器提供服務，還包含『RICOS Cloud CAE』。
🔮 前景展望AI analysis grounded in cited sources
AI-CAE解決方案將顯著加速複雜建築的初步設計階段。
透過將模擬時間從數天縮短至數分鐘並簡化操作，設計師可以更快地迭代更多設計方案，並在早期階段優化風荷載。
AI驅動的CAE工具將使建築行業內的高級模擬能力普及化。
取消嚴格的網格劃分要求，使得這些工具不僅限於CAE專家，更廣泛的設計師和工程師也能夠使用。
這項技術可能促成更優化且永續的建築設計。
更快、更易於使用的風荷載分析允許更徹底地探索設計參數，從而可能實現更有效的材料利用和改進的結構性能。
⏳ 時間線
2015-12
RICOS公司成立，開始開發包括模擬在內的計算科學相關技術。
2018-04
RICOS鞏固了『基於AI的模擬』概念，並全面開展業務。
2024-03
RICOS與竹中工務店開始探討利用AI-CAE演算法加速建築設計中的風環境模擬。
2024-12
鈴木公司導入RICOS Lightning，用於汽車設計中的空氣動力學模擬。
2025-09
RICOS獲得ISO/IEC 27001:2022資訊安全管理系統認證。
2026-04
RICOS與豐田Gazoo Racing Development開始驗證利用機器學習進行賽車空氣動力學分析。
2026-05
大林組開始驗證RICOS的AI-CAE解決方案『RICOS Lightning』，用於建築物的風荷載預測。
📎 來源 (12)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗