目前AI模型与CAE（计算机辅助工程）结合所能达到的技术水平？

相关：

https://www.anscos.com/odyssee.html

ODYSSEE CAE只需进行几次先前的CAE模拟，即可实时预测、优化并可靠地生成准确的结果。ODYSSEE CAE以非常低的计算成本提供非常精确的预测模型，这使得ODYSSEE CAE能够在几秒或几分钟内运行数千次，同时也无需使用超算平台，在小型笔记本上就可以计算结果。

AI4Science目前可以在一些相似问题上取得很好的结果，比如飞机机身设计、天气预报，等等，在这些任务上往往各自的数据集中的数据都具有较高的相似性，比如各个地方的天气都是符合气象学的公式的，而不同种类的飞机机身其实也是有着较高的相似性的，但是CAE仿真却做不到这样，不同的模具生产，不同的机床，等等，往往导致CAE数据之间的相似性并没有其他的Science任务重的那么高。

为此，ODYSSEE CAE提出的方案是针对某个生产环境先使用CAE仿真几次，此时的仿真时间可能会很长，比如需要几十分钟甚至几小时，在获得这些仿真数据后再利用AI模型进行预测，这时如果我们修改CAE仿真建模中的参数后可以使用AI模型快速的得到预测的仿真结果，这时的AI预测可以在一秒钟内运行多次，甚至可以在计算资源受限的环境下进行，如：笔记本环境，但是这个方案是否真的已经做出来了还是无法确认的，不过ODYSSEE CAE提出的这个技术设想貌似还是比较有可能的。

PS. 个人感觉这个方案是在大模型的基础上做微调，而不是直接训练出一个可以直接高泛化的大模型，可以说虽然做不到零样本学习，但是这个设想应该可以做到小样本的学习。