FEMAssit

FEM assistance enables users to engage in an interactive dialogue-assisted approach for both FEM model development and result post-precessing.

Chinese Intro

主要内容

{仿真助手}

• 面向热仿真中问题复杂，出错来源不清楚的问题，建立基于商用FEM软件的学习助手。可以通过对其进行问答实现针对性强的仿真分析和步骤的建议。通过与其进行问答，实现对对仿真中出现bug的分析和建议提倡。

FEMAssitant介绍

1. 问题背景

• 问题：有限元分析应用于工程领域，利用数值分析方法对结构力学、热传导、流体动力学等领域进行分析预测，优化产品性能。对于新手来说，涉入仿真时面临仿真问题复杂，上手需要查找资料的耗时间比较久。同时处理过程中经常出现bug的问题，找寻问题答案也耗时耗力。
• 解决方向：结合RAG（Retrieval-Augmented Generattion）技术，作为智能助手辅助工程师进行高效和准确的分析。RAG结合检索增强生成的能力，从大量的数据和文献中检索信息，辅助解决有限元分析中遇到的问题。
• 为什么要有RAG？ 结合大模型对技术文档和已有的问题案例进行分析，建立专门性知识库。辅助RAG技术可以通过检索获取知识并融入Prompt，“检索+生成”，利用向量数据库存储和检索，合理利用知识。结合文献检索和数据库更新，可以提高问题回答的适用性。

2. 智能助手
   主要内容：

   • 知识检索与提供：
     从技术文档和案例库中检索与特定有限元问题相关的资料，如材料属性，边界条件，加载情况等，为工程师提供必要的技术学习资料和参考文档。
   • 案例学习： 通过检索案例和解决方案，帮助工程师理解问题的解决方案，指导问题的解决流程。
   • 自动化脚本： 根据预设的工况和用户参数，自动生成分析的脚本。
   • 结果分析与解释： 辅助解释有限元分析的结果，提供对处理结果进行后处理的建议，理解物理模型的状况。
   • 优化建议： 基于检索资料，提出优化设计建议。如改变材料、几何形状优化。
   • 新手培训： 针对新手培训资料，生成对话式新手问答助手
   • 问题诊断： 针对有限元分析的问题，检索类似问题的方案，帮助诊断并提供建议。

   主要策略：
   embedding：将长文本进行向量化，构建资料库
   indexing：将知识源分割成chunk，编码并存储在向量数据库 retrieval：接收到问题后，将问题编码成向量，在数据库找到最适应的文档块（top-k chunks） generation:将检索的文档块与原始问题一起作为prompt丢给LLM

   如何优化RAG：

   • 前序优化 嵌入优化 向量化embedding；索引优化chunk；查询优化；上下文管理
   • 检索 迭代检索；递归检索；自适应检索
   • LLM微调 检索微调；生成微调；双重微调