NVIDIA 宣布推出用於科學運算的數位孿生平台
NVIDIA 結合基於物理學的 Modulus 人工智慧框架與 Omniverse,為 NVIDIA 的 Earth-2 與西門子歌美颯風力發電場在建立物理現象模型時的效能帶來數百萬倍的提升
NVIDIA (輝達) 今天宣布推出用於科學的數位孿生 (digital twins) 平台,該平台可加速物理機器學習模型,以比過去快數千倍的速度解決規模較從前多上數百萬倍的科學和工程問題。
用於科學運算的加速數位孿生平台是由用於開發物理機器學習神經網路模型的 NVIDIA Modulus 人工智慧 (AI) 框架,以及 NVIDIA Omniverse™ 3D 虛擬世界模擬平台所組成。
該平台能夠即時建立基於物理學的互動式 AI 模擬內容,並精準反映現實環境,相較於傳統的工程模擬及設計最佳化工作流程方法,運算流體力學等模擬作業的速度提升 10,000 倍。與過去的 AI 模型相比,該平台讓研究人員能夠以更快的速度與準確度來建立像極端天氣事件等複雜的系統模型。
NVIDIA 展現了此技術的兩個應用範例。NVIDIA FourCastNet 物理機器學習模型模擬全球的天氣模式,並預測如颶風等極端天氣事件,與傳統數值預測模型相比,其可信度更高且速度亦快上達 45,000 倍;西門子歌美颯離岸風力再生能源 (Siemens Gamesa Renewable Energy) 利用 AI 調整出最佳的風力發電機設計。
NVIDIA 加速運算部門副總裁 Ian Buck 表示:「在資料中心規模下使用 AI 加速運算技術,有機會將效能提升數百萬倍,藉以因應如減緩氣候變遷、發現藥物以及尋找新的可再生能源等各種挑戰。由 NVIDIA AI 支援並用於科學數位孿生的框架,將協助研究人員找出解決這些巨大挑戰的方法。」
NVIDIA Modulus 框架與 Omniverse
NVIDIA Modulus 框架將資料與控制物理皆考慮在內,以訓練出一個神經網路,並為數位孿生打造一個 AI 代理模型。代理模型可藉由動態和反覆運算的工作流程,即時推論新的系統特性。結合 Omniverse 後能帶來視覺化和即時互動探索的功能。
最新版本的 Modulus 框架允許使用傅立葉神經算子 (Fourier Neural Operator) 進行資料驅動的訓練,讓 AI 能夠同時解決相關的偏微分方程,其還在機器學習模型裡加入天氣和氣候資料,如歐洲中期天氣預報中心 (ECMWF) 的 ERA5 資料集。
搭配 Modulus 框架使用的 NVIDIA Omniverse,是一個即時虛擬世界模擬和 3D 設計協作平台,其利用 Modulus 框架輸出的代理模型實現數位孿生的即時視覺化技術與互動探索。
NVIDIA FourCastNet
NVIDIA 透過傅立葉神經算子與轉換器,使用規模達 10TB 的地球系統資料來訓練 NVIDIA FourCastNet 物理機器學習模型。NVIDIA 執行長黃仁勳曾說過要在 Omniverse 中建立地球的數位孿生 Earth-2 系統,而這個模型便是朝向此目標所邁出的一步,FourCastNet 將模擬和預測颶風、大氣河流等極端天氣事件的特性與風險的速度提高達 45,000 倍,且獲得信賴度更高的結果。
NVIDIA 資深開發者、技術科學家和工程師 Karthik Kashinath 表示:「研究人員和決策者透過數位孿生便能與資料進行互動並迅速探索各種假設情況,這對於貴又耗時的傳統建模技術來說幾乎不可能做到。作為 Earth-2 的核心,NVIDIA 的 FourCastNet 透過更快且更精準地模擬全球天氣的物理和動態,便能協助開發地球的數位孿生。」
西門子歌美颯
採用西門子歌美颯風力發電機的風電場,使用數位孿生平台模擬研究各種佈局的風力渦輪增壓效果,為首次使用 AI 來準確模擬風力發電機位置在各種天氣情況下對其發電表現的影響。預期將最佳化風電場佈局,並較先前的設計產生多達 20% 的電力。
西門子歌美颯陸域數位產品組合經理 Sergio Dominguez 表示:「西門子歌美颯與 NVIDIA 的合作代表著我們在像是運算流體力學如此複雜的領域裡,開發最新演算法的運算及部署速度向前邁進一大步,亦為日後合作關係奠定堅實的基礎。」
敬請觀看黃仁勳先生的 GTC 2022 主題演講,獲得更多關於 NVIDIA 用於科學運算的數位孿生平台資訊。免費報名 GTC 2022 大會,參加由 NVIDIA 及業界領導者主講的議程。
發表迴響