NVIDIA推出用于科学运算的数位孪生平台
用于科学运算的加速数位孪生平台是由用于开发物理机器学习神经网路模型的NVIDIA Modulus人工智慧(AI)框架,以及NVIDIA Omniverse 3D虚拟世界模拟平台所组成。
该平台能够即时建立基于物理学的互动式AI模拟内容,并精准反映现实环境,相较于传统的工程模拟及设计最佳化工作流程方法,运算流体力学等模拟作业的速度提升10,000倍。与过去的AI模型相比,该平台让研究人员能够以更快的速度与准确度来建立像极端天气事件等复杂的系统模型。
NVIDIA展现了此技术的两个应用范例。NVIDIA Four CastNet物理机器学习模型模拟全球的天气模式,并预测如飓风等极端天气事件,与传统数值预测模型相比,其可信度更高且速度亦快上达45,000倍;西门子歌美飒离岸风力再生能源(Siemens Gamesa Renewable Energy)利用AI调整出最佳的风力发电机设计。
NVIDIA加速运算部门副总裁Ian Buck表示,在资料中心规模下使用AI加速运算技术,有机会将效能提升数百万倍,借以因应如减缓气候变迁、发现药物以及寻找新的可再生能源等各种挑战。由NVIDIA AI支援并用于科学数位孪生的框架,将协助研究人员找出解决这些巨大挑战的方法。
NVIDIA Modulus框架将资料与控制物理皆考虑在内,以训练出一个神经网路,并为数位孪生打造一个AI代理模型。代理模型可借由动态和反复运算的工作流程,即时推论新的系统特性。结合Omniverse后能带来视觉化和即时互动探索的功能。
最新版本的Modulus框架允许使用傅立叶神经算子(Fourier Neural Operator)进行资料驱动的训练,让AI能够同时解决相关的偏微分方程,其还在机器学习模型里加入天气和气候资料,如欧洲中期天气预报中心(ECMWF)的ERA5资料集。
搭配Modulus框架使用的NVIDIA Omniverse,是一个即时虚拟世界模拟和3D设计协作平台,其利用Modulus框架输出的代理模型实现数位孪生的即时视觉化技术与互动探索。
NVIDIA透过傅立叶神经算子与转换器,使用规模达10TB的地球系统资料来训练NVIDIA Four CastNet物理机器学习模型。NVIDIA执行长黄仁勋曾说过要在Omniverse中建立地球的数位孪生Earth-2系统,而这个模型便是朝向此目标所迈出的一步,Four CastNet将模拟和预测飓风、大气河流等极端天气事件的特性与风险的速度提高达45,000倍,且获得信赖度更高的结果。
NVIDIA资深开发者、技术科学家和工程师Karthik Kashinath表示,研究人员和决策者透过数位孪生便能与资料进行互动并迅速探索各种假设情况,这对于贵又耗时的传统建模技术来说几乎不可能做到。作为Earth-2的核心,NVIDIA的Four CastNet透过更快且更精准地模拟全球天气的物理和动态,便能协助开发地球的数位孪生。
采用西门子歌美飒风力发电机的风电场,使用数位孪生平台模拟研究各种布局的风力涡轮增压效果,为首次使用AI来准确模拟风力发电机位置在各种天气情况下对其发电表现的影响。预期将最佳化风电场布局,并较先前的设计产生多达20%的电力。
西门子歌美飒陆域数位产品组合经理Sergio Dominguez表示,西门子歌美飒与NVIDIA的合作代表着我们在像是运算流体力学如此复杂的领域里,开发最新演算法的运算及部署速度向前迈进一大步,亦为日后合作关系奠定坚实的基础。