利用Ansys新兴的MLaaS功能，为机器学习革命做好准备

毫无疑问，机器学习(ML)如今受到了很多关注。机器学习正在帮助各行各业的公司识别性能问题，解决复杂问题，权衡解决方案及其结果，并做出最佳决策。从提供最高质量的医疗保健和防止网络犯罪到确定最佳运输路线，机器学习正在无形地影响着我们今天生活的几乎每一部分。

机器学习即服务(MLaaS)正在帮助支持机器学习的广泛采用和应用。通过利用针对机器学习工作负载调整的SaaS(软件即服务)交付模型，组织可以快速加入机器学习革命。在MLaaS模型中，关键的机器学习功能(如数据管理、预测分析、训练算法和深度学习方法)通过云交付，复杂的计算和分析在提供商广泛的计算资源上进行。

由于MLaaS将复杂的机器学习技术的力量置于几乎每家公司都可以使用的范围内，因此它代表了一个快速增长的领域。根据这是Research and Markets最近的一项研究到2027年，全球MLaaS市场预计将从2021年的22.6亿美元增长到167亿美元，年增长率为39.25%。

正如我们在之前的博客中概述的那样，在Ansys，我们正在应用机器学习来使仿真解决方案和相关流程更快、更智能、更高效。我们的前瞻性研究和开发工作正在利用机器学习来推动改进几何表示法，作者认为检测,加速复杂物理——这只是几个例子。

考虑到我们致力于通过ML优化客户的结果，Ansys也在探索在不久的将来提供与仿真相关的MLaaS的潜力，这并不奇怪。这将使Ansys客户能够导入自己的仿真数据，设计自己的ML模型，并使用预先构建的模型库来设计一个完整的ML管道，以便使用Ansys工具进行仿真。

让人工智能更容易被仿真用户使用

虽然现有的通用业务解决方案使公司能够为机器学习构建数据管道-包括AWS Sagemaker和微软Azure ML-这些平台都没有专注于将ML应用于模拟工作负载。

AWS Sagemaker和Azure ML都提供了一套丰富的功能，使数据科学家、机器学习工程师和开发人员能够快速、轻松地准备、构建、培训和部署ML模型。然而，对于模拟繁重的数据集，起点不是这些框架支持的图像或结构化数据。

对于仿真工作负载，几何图形或结果的可视化是Ansys MLaaS提供的关键组件。虽然Ansys MLaaS也支持表格数据和基于图像的数据集，但它的独特之处在于它能够使用仿真结果作为起点，以及各种几何格式，如STL或IGES。

Ansys研发团队正在创建web服务，以加速构建、测试和部署用于仿真的机器学习模型。这些服务与Ansys基于物理的求解器松散耦合，以帮助用户生成大量的训练数据，无论是离线还是在线。

Ansys MLaaS通过嵌入式图形实现训练数据的快速可视化，同时支持ML工作负载中的所有关键指标，如训练、验证和测试图。训练数据可以来自离线来源(例如Ansys求解器生成的文件)，也可以来自在线来源(例如Onscale或PyAnsys．Ansys的MLaaS还可与所有广泛使用的计算机辅助设计/计算机辅助工程(CAD/CAE)工具互操作。

Ansys正在与两家全球领先的MLaaS提供商微软Azure和AWS合作，提供这些新服务作为一个点解决方案，而不依赖于任何特定的云提供商。虽然Ansys MLaaS目前处于beta测试阶段，但我们希望在2023年的某个时候向客户提供这种增值服务。最初的Ansys MLaaS产品将专注于ML作为模拟工作负载的点服务。但是，在未来，它将提供与其他Ansys求解器的连接，以提供用于训练数据生成的工具。

Ansys MLaaS将如何加强您的开发工作

为什么您应该为模拟工作负载的这种新的、易于访问的ML感到兴奋呢?答案很简单:速度和高保真度。当您对Ansys求解器提出新问题时，它们将不再从头开始。相反，他们可以利用机器学习的力量来查看大量现有的模拟结果，并提取关键的学习，从而大大加快您的新模拟，进而加快您的整体产品开发过程。

通过访问Ansys ML模型库，由一家拥有超过50年仿真领导地位的公司开发，您可以在比以往更快地推出新产品设计时获得有意义的优势，而不会缩短您的分析。为了最大限度地提高灵活性和相关性，您还可以将自己的模型和数据引入MLaaS生态系统。

这是一个显著的优势。过去需要数小时才能解决的复杂物理问题将通过机器学习算法在几分之一秒内解决。这些算法经过Ansys专家的训练，无论问题有多复杂，都能让您的产品开发团队在更快地获得结果方面具有强大的优势。

要预览Ansys ML模型库，请查看下面的视频。