56、集成AI加速器的化学混合模拟及基于神经网络的蒙特卡罗积分方法

集成AI加速器的化学混合模拟及基于神经网络的蒙特卡罗积分方法

1. 集成AI加速器的化学混合模拟

1.1 模拟流程与监督机制

在计算流体动力学（CFD）模拟中，传统的工作流程存在一定的局限性。为了改进模拟性能，提出了带有AI监督器的AI加速模拟方法。该方法会对CFD模拟最后75次迭代的边界迭代数据进行处理，假定这些数据包含正常样本。算法会围绕这些正常样本构建边界，将落在边界外的新数据点分类为异常值。

AI监督器在模拟过程中起着关键作用。如果预测输出足够接近收敛状态，监督器会停止模拟并返回结果；若未接近收敛状态，监督器会调用AI加速器进行预测，然后执行CFD求解器的100次额外迭代。模拟流程由以下算法描述：

Algorithm 1. Managing a CFD simulation by the AI supervisor
Require: 100 iterations of CFD solver
Ensure: iter25, iter50, iter75, iter100
while OneClassSV M(std(iter100 − iter25)) do
    ▷True if anomaly detected
    iterpred ← model.predict(iter25, iter50, iter75, iter100)
    ▷Predict steady - state
    iter25, iter50, iter75, iter100 ← CFDSolver(iterpred)
    ▷Smooth data with solver
end while