【AI大數據分析】系列 4：傳統與AI預測模型之比較ROM與romAI

【 影片說明 】 

.......由於最佳化分析需要大量的計算量，平均來說大約需要50~200個以上的計算量，才能有效求出全域的最佳解，但是實務上的工程問題以FEM模擬求解，很可能是需要一定程度的計算時間的，粗略的估算，如果一個FEM分析需要1小時，則100個run就需要100個小時，也是好幾個工作天，因此使用有代表性的等效模型來取代FEM求解，一直以來都是最佳化分析的經典方法。

       傳統上最佳化軟體大多都會有擬合等效模型的功能，例如：HyperStudy的Approximate Fit，擬合出的等效模型一般叫做ROM (Reduce Order Model)，但藉由數學函數擬合方法建構的ROM卻往往無法對應高度非線性的問題，一旦ROM的精度不佳、代表性不足，則後續的最佳化結果就不可靠，還是需要依靠FEM Solver，現在大家有了新的選擇romAI，到底romAI是什麼，可以解決什麼樣的問題，與傳統的數學函數擬合法比起來有什麼優勢，請詳見影片。
 

【 系列說明 】

.......Altair近幾年併購AI數據分析軟體，包含了Knowledge Studio、RapidMiner，以及Monarch等等。本系列影片介紹關於使用AI數據預測分析的工程範例，說明如何將Altair的AI大數據應用於工程領域