يبحث محترف محاكاة الهندسة عن تجارب نشر حقيقية لنماذج الاستبدال القائمة على التعلم الآلي لتقليل تكاليف تشغيل حلالات (solvers) ديناميكا الموائع الحسابية (CFD) والتحليل بالعناصر المحددة (FEA) المكلفة.
- البنى المعمارية: مقارنة شبكات العصبية البيانية (graph neural networks) على بيانات الشبكات (mesh data)، ومشغلي فورييه العصويين (Fourier Neural Operators)، ومنهجيات سحب النقاط (point-cloud approaches)، ونماذج الاستبدال MLP/CNN للتنبؤ بحقول مثل درجة الحرارة والإجهاد.
- كفاءة البيانات: التحقيق في الحد الأدنى لعدد عينات التدريب المطلوبة لنماذج استبدال مفيدة، وفائدة التعلم بالنقل (transfer learning) عبر هندسات متشابهة.
- المناهج المستنيرة بالفيزياء (Physics-informed): تقييم مدى عملية شبكات فورييه العصبية المستنيرة بالفيزياء (PINNs) للهندسات الهندسية الحقيقية مقارنة بالمناهج المعتمدة على البيانات.
- التعميم: معالجة كيفية الحفاظ على موثوقية النموذج بالنسبة للهندسات وشروط الحدود خارج توزيع التدريب.
يهدف المؤلف إلى تحديد المناهج التي توفر مقايضة دقة مقابل سرعة قابلة للاستخدام، وأين تفشل نماذج الاستبدال الخاصة بالتعلم الآلي، مما يستدعي العودة إلى الحلالات الكاملة.