GTC 2022 : NVIDIA 宣布可应用于科学运算的数位孪生平台,为气候模拟与西门子离岸风场规画模拟带来百万倍提升

NVIDIA 在去年宣布将藉助 Omniverse 技术建构能模拟地球气候的超大型数位孪生环境 Erath-2 ,在今年 GTC 大会, NVIDIA 宣布基于物理学的 Modulus 人工智慧框架,使 Omniverse 环境能够获得物理

NVIDIA 在去年宣布将藉助 Omniverse 技术建构能模拟地球气候的超大型数位孪生环境 Erath-2 ,在今年 GTC 大会, NVIDIA 宣布基于物理学的 Modulus 人工智慧框架,使 Omniverse 环境能够获得物理机器学习的加速,相较过去以数千倍的速度解决规模较过往高出数百万倍的科学与工程问题,除了 NVIDIA 的 Earth-2 以及西门子歌美飒风力发电厂在建立物理现象模型时也获得数百万倍的提升。

这项科学运算加速的数位孪生平台式以开发物理机器学习神经网络模型的 NVIDIA Modulus 框架与 NVIDIA Omniverse 3D 虚拟世界模拟平台构成,透过基于物理学的互动式 AI 模拟内容,可精确反映现实环境,相较传统工程模拟与设计最佳化流程,在流体力学等模拟作业速度可提升一万倍,使研究人员能以更快速度与準确度建立如极端天气等複杂系统模型。

NVIDIA 借助此科学运算数位孪生名台开发两项应用案例,其一是 NVIDIA FourCastNet 物理机器学习模型,用以模拟全球天气模式,并作为预测飓风等极端天气事件,相较传统数据预测模型,不仅可信度更高,同时速度也提升 4.5 万倍;另外是为西门子歌美飒离岸风力再生能源透过 AI 调整出最佳的风力发电机设计。

NVIDIA Modulus 框架将资料与控制物理包括在考量範围内并训练出一个神经网络,在针对数位孪生打造 AI 代理模型,代理模型可藉动态与反覆运算的工作流程级时推论新系统特性,并在 Omniverse 环境提供视觉化与即时互动探索功能。

最新版本的 NVIDIA Modulus 框架允许使用傅立叶神经算子进行资料驱动的训练,使 AI 可同时解决相关的偏微分方程,并在机器学习模型加入如欧洲中期天气预报中心的 ERA5 资料集等天气与气候资料,使其能够针对天气进行基于物理学的模拟。

NVIDIA FourCastNet 利用傅立叶神经算子与转换器,以达 10TB 的地球系统资料进行物理机器学习模型,也是作为在 Omniverse 环境建构地球的数位孪生 Earth-2 系统的一步; NVIDIA FourCastNet  能将飓风、大气河流等极端气候特性与风险预测速度提升 4.5 万倍,并具备更高的可信度。

至于与西门子歌美飒离岸风力发电厂的合作,则是利用数位孪生平台研究各式布局的风力涡轮增压效果,是首度透过 AI 精确模拟风力发电机为智在各种天候下发电表现影响的应用,透过此次模拟所设计的风电厂布局较原先设计产生高出 20% 的发电量。

原创文章,作者:普拉斯,如若转载,请注明出处:https://www.53moban.com/1206.html

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息