©北京泰科博思科技有限公司   /   京ICP备09107432号-1   /   网站建设:中企动力 北京

解决方案

Solution

>
>
>
【Pipeline Pilot应用实例】达索系统PP展示:Digital Obtainium
产品名称

【Pipeline Pilot应用实例】达索系统PP展示:Digital Obtainium

所属分类
产品中心
联系我们
相关资料
方案详情
行业
性质
热力学性质(溶解度、粘度等)
分类

“Obtainium”是一个俚语,用来描述用来创造艺术品或其他人造物品的材料。这正是美术人员所需要的,而且最好是免费的。同样的概念也存在于我们的数字或虚拟世界中,在这篇文章中,我们将描述一个简单的例子,帮助我们理解为什么我们要制作东西(数字或其他)。数字获取已经广泛应用于编码员。如果我正在寻找如何使用一个特定的Python方法,那么在web上搜索方法名和示例就会找到我需要的东西。JavaScript、Java或您想要使用的任何其他语言也是如此。感谢代码社区建立了这个共享生态系统。然而,你爬得越高,获得的数字信息就越少(这可能就是为什么我们很多人选择住在这些海拔上)。还有一个问题是将找到的部分组装到美术作品中,在这里,语言中立的开发工具是必须的。接下来,我们将描述我们对数字人工制品的组装,它允许配方或工艺科学家以最有效的方式理解和优化其产品的混合物和工艺部分。

 

KCV Models

Obtainium的第一块是Kowalski, Cornell和Vining的工作成果,他们发现了一套新的混合过程模型,比以前使用的模型简单得多。这本身就值得写一个完整的博客,但本质上是许多模型交叉项被忽略了,其价值在于您可以通过更少的实验(通常不到一半的数量)来适应模型。保存实验是数字孪生兄弟的核心价值。现在大多数商业的DOE软件供应商已经在他们的软件中包括了这些设计和模型,但是获得的一个关键属性,即材料是免费的,幸运的是满足了R mixexp包[2]。该包还具有用于KCV表单的模型拟合例程,并允许您绘制特定于混合的响应面图,如下所示:

[2]的作者还提供了一些示例数据集(获取的另一个块),我们在测试代码时使用了这些数据集。来自[2]的Burn数据集来自于使用可燃材料和双螺杆挤出机制造火箭推进剂。它本质上是一个过程,其中混合和工艺因素都很重要,并且相互作用。

 

The Artwork

我们希望我们的数字艺术作品是什么样子的,要做什么?我们不只是想重新运行现有的代码。我们想要创建一个以某种方式存在的对象。目前,给数字对象注入生命的最引人注目的方法是给它注入人工智能(AI)。这与我们试图创造的东西非常吻合,因为我们可以使用机器学习来创造一个人工智能的模型。它可以预测只存在于硅中的配方的性能(如燃烧率)。这名美工在做上述工作时选择的工具是Pipeline Pilot。这是一个数据管道框架,它使用排列在管道中的组件来完成特定的任务。它是语言不可知论的,正如我们在之前的博客中所讨论的。它非常适合数据科学和机器学习任务;实际上,模型只是添加到系统库中供重用的另一个组件。这在下面的屏幕截图中得到了高层次的描述,其中数据科学的组件模型的简单性变得很明显。在选定的学习者组件中有许多聪明的R-script,其中大部分来自[2]。然而,组件封装了这些细节,可以不用担心它们就可以使用。

Glue and Solder

就这样吗?我们做了什么?不,因为几个原因。首先,数字对象应该被制定者使用,而不仅仅是数据科学家。幸运的是,Pipeline Pilot还可以作为一个RAD(快速应用程序开发)工具,因此很容易创建web应用程序。然而,更具启发性的是大会的最后一部分。KCV模型是对完全交叉混合过程模型的刻意简化。因此,它有可能存在Fit不足(模型形式不够灵活,无法接近所有的数据点),我们需要将lof统计信息传递给最终用户,以便他们能够判断模型的有效性。当然是更多的数字获取?但是没有!在r中没有LOF功能。这个人工制品的关键部分必须手工构建。最后,这可以用几十行R-script完成。事实上,必须进行这种编码工作,会使组装工件的整个过程更令人满意,而不是更令人失望。这只是因为我们创造一些内容(游戏邦注:如美术,代码等等)是为了将我们自己的一部分封装在这些内容中。纯粹的组装是好的,但更好的是自己制作艺术品的一部分。

 

References

[1] Kowalski SM, Cornell JA, Vining GG (2000). “A New Model and Class of Designs for Mixture Experiments with Process Variables.”Communications in Statistics–Theory and Methods,29,2255–2280. 

doi:10.1080/03610920008832606.

[2] “Mixture Experiments in R Using mixexp”, John Lawson and Cameron Willden, J. Stat. Soft. August 2016, Volume 72, Code Snippet 2.

https://www.jstatsoft.org/index.php/jss/article/view/v072c02

 

本文翻译自Dassault Systèmes Bolg, 点击下方链接 ,访问原文英文链接。

https://blogs.3ds.com/biovia/digital-obtainium/

 

公司简介:

北京泰科博思科技有限公司(Beijing Tech-Box S&T Co. Ltd.)成立于2007年,是国内领先的分子模拟及虚拟仿真综合解决方案提供商。

 

北京泰科博思科技有限公司与国际领先的模拟软件厂商、开发团队深入合作,为高校、科研院所和企业在材料、化工、药物、生命科学、环境、人工智能及数据挖掘、虚拟仿真教学等领域提供专业的整体解决方案。用户根据需要在我们的平台上高效的进行各种模拟实验,指导实际的生产设计。

 

北京泰科博思科技有限公司拥有一支一流的技术服务团队和资深的专家咨询团队,以客户真正需求出发,服务客户,为客户创造价值。我们秉承“职业、敬业、担当、拼搏、合作”的企业精神,致力于用国际领先的软件产品和专业全面的技术支持服务,成为客户可信赖的合作伙伴。 

未找到相应参数组,请于后台属性模板中添加
暂未实现,敬请期待
暂未实现,敬请期待

更多解决方案

——

【COSMOlogic应用实例】山东科技大学崔志芳副教授团队成果:基于COSMO-RS筛选低共熔溶剂及银杏叶类黄酮提取工艺优化
【COSMOlogic应用实例】山东科技大学崔志芳副教授团队成果:基于COSMO-RS筛选低共熔溶剂及银杏叶类黄酮提取工艺优化
COSMOtherm Materials Studio COSMOlogic
【COSMOlogic应用实例】国家结晶中心陈巍副教授团队成果:基于COSMO-RS模型L-丙氨酸-L-谷胺酰胺结晶溶剂的筛选
【COSMOlogic应用实例】国家结晶中心陈巍副教授团队成果:基于COSMO-RS模型L-丙氨酸-L-谷胺酰胺结晶溶剂的筛选
Materials Studio COSMOtherm COSMOlogic
【Molpro应用实例】J. R. Trail教授基于密度泛函和耦合团簇理论的H2团簇能量学
【Molpro应用实例】J. R. Trail教授基于密度泛函和耦合团簇理论的H2团簇能量学
MOLPRO
【Turbomole应用实例】北师大崔刚龙教授成果:空气-水/乙腈界面臭氧分解α-Humulene及QM/MM研究
【Turbomole应用实例】北师大崔刚龙教授成果:空气-水/乙腈界面臭氧分解α-Humulene及QM/MM研究
Turbomole
【Molpro应用实例】伦敦大学Debarati 教授团队成果:氮分子具有核孔和价孔的单、双电离态的势能曲线
【Molpro应用实例】伦敦大学Debarati 教授团队成果:氮分子具有核孔和价孔的单、双电离态的势能曲线
Molpro
【DS应用实例】达索系统Blog发布:Student Spotlight: Alex
【DS应用实例】达索系统Blog发布:Student Spotlight: Alex
BIOVIA Discovery Studio BIOVIA Pipeline Pilot