計算機仿真是產(chǎn)品設(shè)計優(yōu)化過程中的關(guān)鍵部分，使工程師可以測試各種配置并在眾多不同的選擇中選擇最佳的設(shè)計。但是，即使在像美國能源部(DOE)的阿貢國家實驗室這樣的設(shè)施中，擁有最先進的資源，模擬過程也可能非常昂貴且運行時間很長。

為了加快這一設(shè)計過程，由博士后任命的Opeoluwa Owoyele和研究科學(xué)家Pinaki Pal組成的Argonne能源系統(tǒng)(ES)部門的研究團隊最近開發(fā)了一種稱為ActivO的新設(shè)計優(yōu)化工具。新工具可以大大減少找到最佳設(shè)計所需的時間。

它采用了一種新穎的機器學(xué)習(xí)技術(shù)，可以幫助用戶專注于如何最有效地定位計算資源。(機器學(xué)習(xí)是人工智能的一種應(yīng)用，它允許系統(tǒng)自動學(xué)習(xí)并從經(jīng)驗中進行改進。)

帕爾解釋說：“ ActivO以非常聰明的方式運行仿真，并迅速確定了我們應(yīng)關(guān)注的設(shè)計空間部分。” “過去需要兩到三個月的時間才能為您提供最佳設(shè)計的過程現(xiàn)在可以在大約一周內(nèi)完成。”

在美國機械工程師學(xué)會(ASME)發(fā)表的一篇文章中，ActivO方法已成功證明可用于優(yōu)化內(nèi)燃機(Owoyele和Pal感興趣的一個活躍領(lǐng)域)，該方法是其2019年秋季國際燃燒發(fā)動機分部技術(shù)會議的一部分。這篇文章很快也會出現(xiàn)在《ASME能源技術(shù)雜志》上。

根據(jù)Pal論文的主要作者Owoyele所述，ActivO是一種混合算法，它利用兩種不同的機器學(xué)習(xí)代理模型的優(yōu)勢來獲得卓越的性能。