COMSOL Multiphysics^® 6.2 发布亮点

代理模型

COMSOL Multiphysics^® 6.2 版本引入了强大的新功能，用于创建和使用代理模型。该功能可通过基于实验设计（DOE）的求解器以及函数定义来实现。使用代理模型代替成熟的有限元模型可以大大提高应用程序的计算速度。代理模型是一种更简单的、通常计算成本更低的模型，用于近似更复杂、通常计算成本更高的模型的行为。代理模型提供的更快的模型评估为仿真 App 用户提供了交互性更好的用户体验，并使在整个组织中推广仿真的应用变得更加容易。

代理模型训练研究

代理模型是通过对大型数据集（使用新的代理模型训练 研究生成）进行训练而创建的。在训练代理模型时，使用根据全局安排的 DOE 抽样方法（如拉丁超立方抽样 (LHS)）比随机或均匀网格抽样等传统方法更有优势。代理模型训练 研究使用的 LHS 能够有效地跨越输入空间，而无需进行过多的计算。虽然随着数据点的增加，代理模型的准确性也会提高，但我们需要在数据生成所花费的时间和所需的模型精度之间寻找一个平衡点。

代理模型函数

代理模型训练 研究可用于生成数据，并提供了在生成任何数据后自动进行代理模型训练的选项。这些代理模型可以作为全局定义 节点下的函数使用，不同的代理模型具有各自的功能和限制，因此选择适合 App 需求和约束的代理模型至关重要。COMSOL Multiphysics^® 提供了深度神经网络 (DNN) 代理模型，“不确定性量化模块”还提供了高斯过程 (GP) 和多项式混沌展开 (PCE) 代理模型，后两种代理模型包含有关数据拟合质量的不确定性估计，而 DNN 模型则不给出任何不确定性估计，但其优势在于可以处理比 GP 和 PCE 模型更大的数据集。此外，“不确定性量化模块”还额外提供针对 GP 和 PCE 代理模型的专用研究和分析功能。

多维函数插值和近似

代理模型可用于一般的多维函数插值和近似，并能够处理任意数量的输入和输出，而且还非常适合处理数据中的复杂非线性关系。代理模型函数的使用不仅限于 App 和不确定性量化，还可以用来表示优化所需的材料数据等。请注意，代理模型函数能够对任何输入参数进行多次微分。

新的仿真 App

COMSOL Multiphysics^® 6.2 版本引入了以下示例 App。