设计空间探索

基于仿真研发工作流，Optimus的设计空间探索算法可以对产品的性能深入分析和优化，消除反复试错的成本，帮助研发团队平衡产品性能改善和所需的研发时间，并提供前瞻性的决策支持。

自适应试验设计

Optimus的自适应试验设计算法，能对已有的数据样本进行学习，然后根据采样策略决定新的样本点采样位置。这种基于机器学习技术的试验设计算法，不仅可以节省计算成本，并且可以在给定的采样数量下，获得最佳的设计空间分析结果。

设计方案评估的前移

试验设计和响应面模型技术帮助工程师在研发初期全面快速地了解设计空间。工程师可以通过对现有数据进行分析，实现对新产品设计方案的前期评估和预判。也可以对多个经常相互冲突的设计目标进行初步的平衡。

强大的建模功能

Optimus提供大量响应面建模方法算法。其中包括：深度神经网络建模、基于机器学习技术的智能建模。深度神经网络建模可以重现几乎任意精度的复杂非线性系统；智能建模可以自动为数据匹配建模算法，为设计空间中所有区域构建高精度的响应面模型。