【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