NVIDIA kündigt eine Plattform für wissenschaftliche digitale Zwillinge an, die Modelle für maschinelles Lernen in der Physik beschleunigt, um wissenschaftliche und technische Probleme im millionenfachen Massstabe tausendmal schneller als bisher möglich zu lösen.
Die Plattform für beschleunigte digitale Zwillinge für wissenschaftliches Rechnen besteht aus dem NVIDIA-Modulus-KI-Framework für die Entwicklung von neuronalen Physik-ML-Netzwerkmodellen und der virtuellen 3D-Welt-Simulationsplattform NVIDIA Omniverse™.
Die Plattform kann interaktive KI-Simulationen in Echtzeit erstellen und Simulationen wie die numerische Strömungsmechanik bis zu 10.000-mal schneller beschleunigen als herkömmliche Methoden für technische Simulationen und Workflows zur Designoptimierung. Es ermöglicht Forschern, komplexe Systeme wie extreme Wetterereignisse mit höherer Geschwindigkeit und Genauigkeit im Vergleich zu früheren KI-Modellen zu modellieren.
Das Unternehmen zeigte zwei Anwendungsbeispiele der Technologie. Das NVIDIA FourCastNet-Physics-ML-Modell emuliert globale Wettermuster und sagt extreme Wetterereignisse wie Hurrikane zuverlässiger und bis zu 45.000-mal schneller voraus als herkömmliche numerische Vorhersagemodelle. Darüber hinaus nutzt Siemens Gamesa Renewable Energy KI, um das Design von Windkraftanlagen zu optimieren.
|
Durch den Klimawandel verstärkte Extremwetterereignisse verursachen zunehmend verheerende und unvorhersehbare Auswirkungen auf Gesellschaft, Wirtschaft und natürliche Ökosysteme. Numerische Wettervorhersagemodelle, die meteorologische Dienste verwenden, sind teuer, zeitaufwändig und begrenzt. NVIDIAs FourCastNet, ein Physik-ML-Modell, das die Dynamik globaler Wettermuster emuliert, sagt Extreme mit beispielloser Geschwindigkeit und Genauigkeit voraus. FourCastNet ist GPU-beschleunigt, wird vom Fourier Neural Operator betrieben und mit 10 TB Erdsystemdaten trainiert. Jede 7-Tage-Prognose benötigt nur einen Bruchteil einer Sekunde auf einer einzelnen NVIDIA-GPU, um potenzielle Auswirkungen auf der Grundlage von Tausenden von Szenarien zu generieren, fünf Größenordnungen schneller als NWP. |
NVIDIA Modulus und Omniverse
NVIDIA Modulus berücksichtigt sowohl Daten als auch die massgebliche Physik, um ein neuronales Netzwerk zu trainieren, das ein KI-Ersatzmodell für digitale Zwillinge erstellt. Das Surrogat kann dann in Echtzeit auf neues Systemverhalten schliessen und so dynamische und iterative Arbeitsabläufe ermöglichen. Die Integration mit Omniverse bringt Visualisierung und interaktive Erkundung in Echtzeit.
Die neueste Version von Modulus ermöglicht datengesteuertes Training mit dem neuronalen Fourier-Operator, einem Framework, das es der KI ermöglicht, verwandte partielle Differentialgleichungen gleichzeitig zu lösen. Es integriert auch ML-Modelle mit Wetter- und Klimadaten, wie z. B. den ERA5-Datensatz des Europäischen Zentrums für mittelfristige Wettervorhersagen.
Ergänzend zu Modulus ist NVIDIA Omniverse eine Echtzeit-Simulation der virtuellen Welt und eine Plattform für die Zusammenarbeit im 3D-Design. Es ermöglicht die Echtzeit-Visualisierung und interaktive Untersuchung digitaler Zwillinge unter Verwendung des Ausgabe-Ersatzmodells von Modulus.
„Digitale Zwillinge ermöglichen es Forschern und Entscheidungsträgern, mit Daten zu interagieren und schnell Was-wäre-wenn-Szenarien zu untersuchen, was mit herkömmlichen Modellierungstechniken nahezu unmöglich ist, da sie teuer und zeitaufwändig sind“,
sagte Karthik Kashinath, Senior Developer Technology Scientist und Ingenieur bei Nvidia.
Siemens Gamesa Erneuerbare Energien
Die Plattform für digitale Zwillinge beschleunigt die Simulationsforschung für das Layout von Windparks, die mit Windturbinen von Siemens Gamesa Renewable Energy ausgestattet sind, und ermöglicht es erstmals, mithilfe von KI die Auswirkungen der Turbinenplatzierung auf ihre Leistung in einer Vielzahl von Bereichen genau zu modellieren. Dies soll zu optimierten Windpark-Layouts führen, die bis zu 20 Prozent mehr Strom produzieren können als bisherige Designs.
Um mehr über die NVIDIA-Plattform für digitale Zwillinge für wissenschaftliches Rechnen zu erfahren, sehen Sie sich die GTC 2022-Keynote von Jensen Huang an.
Registrieren Sie sich kostenlos, um an Sitzungen mit NVIDIA und Branchenführern teilzunehmen:
https://www.nvidia.com/gtc/?ncid=ref-pr-649229#cid=gtcs22_ref-pr_en-us
Quelle: NVIDIA, 22. März 2022