NVIDIA Modulus 與基于物理信息的 AI 和 Omniverse 相結合，為 NVIDIA Earth-2 和西門子歌美颯（Siemens Gamesa）風力發電場的物理現象建模帶來百萬倍的性能飛躍
March 22, 2022 by 英偉達中國
加利福尼亞州圣克拉拉市——GTC——2022 年 3 月 22 日——NVIDIA 于今日發布了一個科學數字孿生平臺。該平臺可加速物理學機器學習模型，以超過以往數千倍的速度解決百萬倍規模的科學和工程問題。
這個用于科學計算的加速數字孿生平臺由用于開發物理學機器學習神經網絡模型的 NVIDIA Modulus AI 框架以及 NVIDIA Omniverse™ 3D 虛擬世界模擬平臺組成。
該平臺可以實時創建基于物理信息的交互式 AI 模擬以精確反映真實世界，使計算流體動力學等模擬的速度比傳統工程模擬和設計優化工作流程方法加快 1 萬倍。與以前的 AI 模型相比，研究者能夠以更高的速度和精度對復雜的系統進行建模，例如極端天氣事件等。
NVIDIA 展示了該技術的兩個應用示例。NVIDIA FourCastNet 物理學機器學習模型能夠模擬全球天氣模式，預測颶風等極端天氣事件，不但具有更高的置信度，而且比傳統的數值預測模型快 45000 倍。此外，西門子歌美颯可再生能源公司（Siemens Gamesa Renewable Energy）正在使用 AI 優化風力發電機的設計。
NVIDIA 加速計算部門副總裁 Ian Buck 表示：“為了應對氣候變化、藥物研發和尋找新型可再生能源等挑戰，我們使用數據中心規模的 AI 加快計算速度，這有可能實現百萬倍性能飛躍。通過 NVIDIA 的 AI 科學數字孿生框架，研究者能夠發掘如何解決這些大規模問題。”
NVIDIA Modulus 和 Omniverse
NVIDIA Modulus 將數據和物理學考慮在內，以訓練一個神經網絡，為數字孿生創建 AI 代理模型。該代理模型可以實時推理新的系統行為，實現動態、迭代的工作流程，并且在與 Omniverse 集成后可以實現可視化和實時交互式探索。
Modulus 的最新版本使用傅里葉神經算子進行數據驅動型訓練，該框架使 AI 能夠同時解決相關的偏微分方程，還能將機器學習模型與天氣和氣候數據相結合，例如歐洲中期天氣預報中心的 ERA5 數據集。
實時虛擬世界模擬和 3D 設計協作平臺 NVIDIA Omniverse 對 Modulus 的功能進行了補充，該平臺能夠使用 Modulus 的輸出代理模型實現對數字孿生的實時可視化和交互式探索。
NVIDIA FourCastNet
傅立葉神經算子和 transformer 支持 NVIDIA FourCastNet 物理學機器學習模型，該模型使用 10TB Earth 系統數據訓練而成。作為實現 Earth-2（NVIDIA 首席執行官黃仁勛已宣布將使用該系統在 Omniverse 中創建地球的數字孿生）的步驟之一，FourCastNet 能夠模擬并預測颶風和大氣流等極端天氣事件的發展和風險，不但具有更高的置信度，而且速度最高可加快 45000 倍。
NVIDIA 高級開發者技術科學家和工程師 Karthik Kashinath 表示：“通過數字孿生，研究者和決策者能夠與數據互動并快速探索各種假設情況，而傳統的建模技術由于既昂貴又費時，因此幾乎不可能做到這一點。作為 Earth-2 的核心，NVIDIA FourCastNet 通過更快、更精確地模擬全球天氣的物理學和動力學，推動地球數字孿生的開發。”
西門子歌美颯可再生能源公司
該數字孿生平臺幫助配備西門子歌美颯可再生能源公司風力發電機的風力發電場顯著加快風電場布局模擬研究，使研究者首次可以使用AI來準確模擬各種天氣情況下風力發電機位置對其性能的影響，從而優化風電場布局，使發電量相比以前的設計提高 20%。
西門子歌美颯可再生能源公司陸上數字產品組合經理 Sergio Dominguez 表示：“通過與 NVIDIA 合作，西門子歌美颯可再生能源公司能夠在計算流體力學等復雜的領域大幅加快計算速度和最新算法開發的部署速度，并為未來的進一步合作奠定基礎。”
若要進一步了解 NVIDIA 數字孿生，請觀看黃仁勛的 GTC 2022 主題演講。免費注冊參加 GTC 2022 后即可參加 NVIDIA 和行業領導者主持的分會。
