این نرم افزار تماما توسط گروه کوانتس و هیچ گونه، نمونه مشابه داخلی و خارجی ندارد. متد ها و الگوریتم های به کار رفته در این نرم افزار شامل الگوریتم های پیشرفته و جدید هوش مصنوعی نظیر، شبکه های عصبی مختلف، روش های بهینه سازی هیورستیک و همچنین سیستم های فازی و رگرسیون های بردار پشتیبان می باشد. علاوه بر روش های پیشرفته هوش مصنوعی روش های کلاسیک نظیر رگرسیون های خطی و غیر خطی نیز در این نرم افزار به کار رفته است. خروجی نهایی مدل ها به صورت ترکیبی از الگوریتم های مختلف با نظارت نهایی یک سیستم خبره برای اصلاح خطاها ارائه می گردد. روش های خطی مرسوم برای مدل سازی رفتار پدیده ها قابلیت مدل سازی رفتار های غیر خطی و آشوبناک را ندارند، ولی این نرم افزار با استفاده از مدل سازی هوش مصنوعی با دقت خیره کننده به مدل سازی رفتار پارامترها در یک پایگاه داده می پردازد.

این نرم افزار قادر است الگوی موجود در داده های حاصل از آزمایش های تجربی  پرهزینه و شبیه سازی های زمان گیر را شناسایی کند . به این معنی که چنان چه یک پارامتر وابسته و چندین پارامتر مستقل وجود داشته باشند که با تغییر در پارامترهای مستقل اندازه و مقدار پارامتر مستقل را ثبت کنیم. با داشتن تعداد معین از این داده ها، نرم افزار قادر به تشخیص الگوی موجود در رابطه بین این پارامترها با پارامتر مستقل بوده و بدون نیاز به انجام بقیه آزمایش ها یا شبیه سازی ها می تواند نتیجه آزمایش و شبیه سازی را پیش بینی کند.

دموی این نرم افزار به زودی در سایت کوانتس قابل دسترس خواهد بود . تا کاربران بتوانند نتایج حاصل از مدل سازی را به صورت آنلاین مشاده کرده و با قابلیت ها و دقت مورد ادعای نرم افزار آشنا شوند.


کاربرد علمی :

1-     مدل سازی و پیش بینی عددی با استفاده از پایگاه داده

2-     کالیبراسیون، برای رسیدن به ماکزیمم، مینیمم یا هدف عددی مطلوب با دریافت پایگاه داده ها. (پیشنهاد پارامترهای وابسته برای رسیدن به پارامتر مستقل مطلوب)

3-     آنالیز حساسیت پیشرفته.

کاربردهای صنعتی :

1-     مهندسی معکوس، در صورت ناشناخته بودن نحوه ی عملکرد سیستم یا یک زیر سیستم، این نرم افزار قادر است با دریافت اطلاعات مربوط به ورودی و خروجی این بخش، رفتار  سیستم را بدون نیاز به فیزیک و معادلات سیستم مدل سازی کند. و رفتار آتی آن را پیش بینی نماید. به عنوان مثال در کالیبراسیون سنسور ها می توان رفتار ولتاژ خروجی را با استفاده از پارامتر فیزیکی هدف اندازه گیری نظیر فشار یا دما کالیبره کرد.

 

2-     کالیبراسیون هدف گیری نظامی و غیر نظامی، خروجی یک پرتابه تابع عواملی چون زاویه شلیک و قدرت و همچنین شرایط جوی و عوامل دیگر می باشد. در اغلب موارد، هدف گیری با استفاده از جداول و نمودار های از پیش طراحی شده انجام می گیرد. در صورتی که پایگاه داده ای از پارامترهای تنظیم ورودی ذکر شده و برد ثبت شده موجود باشد. این نرم افزار قادر خواهد بود تنظیمات پیشنهادی برای نیل به بیشترین برد و همچنین برد مشخص مورد انتظار را ارائه دهد .

 

3-     تنظیم دستگاه های پیچیده، دستگاهی را تصور کنید که دارای پیچ های تنظیم مختلف برای تنظیم میزان یک پارامتر خروجی نظیر توان، شدت جریان و یا نیرو باشد، این نرم افزار قادر است با دریافت پایگاه داده ای شامل تنظیمات مختلف و خروجی  های حاصله، تنظیمات مشخص برای رسیدن به خروجی ماکزیمم، مینیمم یا عدد مشخص را پیشنهاد دهد .

 

4-     پیش بینی سری های زمانی، اگر پایگاه داده ها به صورت زمانی، ثبت شده باشند این نرم افزار قادر است با دقتی خیره کننده و بسیار بالاتر از روش های مرسوم پیش بینی داده های آینده را پیش بینی کند. این ویژگی دارای کاربردهای فراوان از جمله پیش بینی قیمت، پیش بینی تقاضا، پیش بینی مصرف و ... می باشد.

 

5-     شبیه سازی رفتار دستگاه ها و شبیه سازی ها، این نرم افزار قادر است با دریافت داده های مربوط به نتایج آزمایش های قبلی، نتیجه آزمایش آتی را پیش بینی کند. با این رویکرد، هزینه محاسبات و آزمایش ها به شدت کاهش می باشد. مثلا چنان چه آزمایش بخصوصی باید در 1000 نمونه انجام پذیرد. با انجام 100 نمونه آزمایش در فضای تصادفی ، نرم افزار اقدام به مدل سازی روند و مدل سازی رفتار سیستم کرده و نتایج بقیه آزمایش ها را پیش بینی می نماید.

 

6-     تشخیص پارامترهای موثر و همچنین میزان اثر هر یک پارامترها بر خروجی مورد نظر، پدیده های مختلف فیزیکی و انسانی و اجتماعی تابع عوامل متعددی هستند. بررسی تاثیر هر یک از این عوامل بر روی خروجی مورد بحث، با استفاده از روش های مرسوم خطی نظیر، آنالیز همبستگی و تحلیل واریانس، در پدیده های غیر خطی و آشوبناک با خطای فراوان همراه می باشد. اما روش های مبتنی بر هوش مصنوعی به کار رفته در این نرم افزار قادر است با دقت بسیار بالا تاثیر هر پارامتر بر پارامتر خروجی را یافته و تاثیر همزمان پارامترهای مستقل بر پارامتر وابسته را شناسایی کند.