模量 – NVIDIA 技術博客

聚焦：BRLi 和 Toulouse INP 使用 NVIDIA PhysicsNeMo 開發基于 AI 的洪水模型

Tue, 11 Feb 2025 03:16:47 +0000

洪水對 15 億人構成了重大威脅，使其成為重大自然災害的最常見原因。洪水每年給全球帶來高達 25 億美元的經濟損失。洪水預測是防災和減輕風險的重要工具。我們早已開發出能夠準確模擬河流流域的數值方法。借助這些技術，像咨詢公司 BRLi 的工程師可以研究不同的降水情景，并為當地利益相關者提供寶貴的洪水風險評估、緩解策略和災害救濟計劃。準確的預測可以挽救生命、保護基礎設施并減少經濟損失。然而，這些方法使用基于物理性質的數值模擬，而且計算量非常大。這種方法通常需要數小時才能模擬洪水事件，即使在許多并行處理器上也是如此。它不適合實時預測正在進行的事件。長期以來，這種限制一直是針對特定事件提供快速、可行的洪水警報的瓶頸，并阻礙了實時預報系統的開發。為解決這一問題，BRLi 和圖盧茲國家理工學院 (Toulouse INP) 的一個聯合團隊通過與 ANITI 研究院的合作，

Source

]]>

聚焦：Stone Ridge Technology 利用 AWS 上的 NVIDIA PhysicsNeMo 加速油藏模擬工作流

Thu, 19 Dec 2024 09:18:06 +0000

能源勘探中固有的風險和不確定性包括未知的地質參數、流體和巖石屬性的變化、邊界條件和噪聲觀測數據。嚴格校準關鍵油藏工程任務和現場優化的不確定性需要運行大量前向模擬。用例包括歷史記錄匹配、概率預測和反向問題。當與包含數十萬或數百萬個主動網格單元的高保真模型結合使用時，高性能計算 (HPC) 模擬器需要大量計算資源。傳統上，代理或代理模型用于應對這些挑戰，因為它們能夠快速評估場景。許多現有的代理生成方法都針對特定場景，無法推廣到不同的問題。另一方面，全場代理模型在空間和時間上直接近似地求解油藏的主要或狀態變量，類似于全物理數值模擬器。因此，可以將這些代理替換為完整的模擬器，并可用于應對各種挑戰。由于高計算要求和算法挑戰，為 3D 油藏生成全場代理仍然是一項挑戰。然而，生成完整字段代理的可行方法是結合使用先進的 ML 技術 (例如神經運算符、Neural Operators)、

Source

]]>

深度學習模型提高遠程天氣和氣候預測的準確性

Thu, 14 Nov 2024 07:10:24 +0000

華盛頓大學大氣科學系教授 Dale Durran 介紹了一種突破性的深度學習模型，該模型結合了大氣和海洋數據來設定新的氣候和天氣預報準確性標準。在此 NVIDIA GTC 2024 會議中，Durran 介紹了一些技術，這些技術可以減少對傳統參數化的依賴，使模型能夠繞過天氣預報中常見的許多近似值。HEALPix 網格（從天文學中借鑒的網格）通過準確呈現地球的球形形狀來提高空間精度，消除失真，從而實現更精確的全球預報。該模型能夠以最小的漂移生成可靠的長期預測，使用 NVIDIA A100 Tensor Core GPU 進行快速訓練，使用 NVIDIA PhysicsNeMo 在模擬中集成機器學習，并使用 NVIDIA Omniverse 實現高保真可視化，從而提高氣候預測的準確性和可解釋性。您將學習構建準確、長期的地球系統模型的高級方法，包括：

Source

]]>

利用 AI 支持的虛擬風洞進行流體流動學習

Mon, 14 Oct 2024 04:53:47 +0000

即使在工程教育方面，也沒有足夠的時間做所有事情。雇主希望工程師能夠使用模擬工具來加速迭代研究、設計和開發。一些講師試圖通過教授數周或數月的課程來解決這一問題，課程內容包括數值方法的推導、離散化方法、湍流模型的復雜性等。遺憾的是，專注于基礎知識幾乎沒有時間或根本沒有時間幫助培養更高級別的技能和直覺，而這正是雇主想要和需要的其他人則試圖通過一種應用方法來解決這一問題。在學生學習軟件教程和更復雜的項目時指導和指導他們，這看起來似乎是一種解決方案。這是一個陷阱。我們要求學生深入研究具有復雜界面和無限設置的軟件包，這些軟件包是為適應任何和所有特殊用例而設計和開發的，而不是學習基礎知識。這使學生能夠在一定程度上熟悉模擬項目和軟件，但犧牲了對數值方法基礎知識的理解。這種方法也無法提供雇主所尋求的技能。下面簡要概述了我開發的方法：面向工程專業學生的更直觀、

Source

]]>

利用 NVIDIA PhysicsNeMo 實現 CFD 模擬的機器學習轉換

Fri, 11 Oct 2024 05:00:41 +0000

模擬在推動科學和工程發展方面發揮著至關重要的作用，尤其是在流體動力學的廣闊領域。然而，高保真流體模擬需要大量的計算資源，通常會限制實際應用。準確模擬復雜流動可能需要數周的計算工作，從而拖慢航空航天和環境工程等關鍵領域的進展。機器學習 (ML) 通過應對這些挑戰，正在徹底改變計算流體動力學 (CFD)。ML 算法使研究人員能夠使用大規模數據集，并創建模型，以模擬復雜流問題的真實行為，同時顯著降低計算成本。流體動力學領域一種前景廣闊的機器學習方法涉及 Fourier 神經運算符（FNO），該運算符可以學習分辨率不變的解運算符。FNO 為在低分辨率數據上訓練復雜流模型開辟了可能性，這些數據可以動態集成到高保真數值模擬中，從而降低了許多應用的計算成本。 NVIDIA PhysicsNeMo 通過其開源框架提供了一種利用 FNO 這些優勢的簡便方法，該框架專為構建、

Source

]]>

聚焦：Shell 使用 NVIDIA PhysicsNeMo 將 CO2 存儲建模速度提高 100000 倍

Mon, 09 Sep 2024 08:50:46 +0000

隨著世界在應對氣候變化方面的迫切需求，碳捕獲和存儲（CCS）已成為實現凈零排放的關鍵技術。CCS 技術包括從工業排放或通過直接空氣捕獲（DAC）捕獲二氧化碳（CO2），并將其安全地存儲在地下，可以推動需的脫碳策略，并幫助實現全球氣候目標。 CCS 技術的成功取決于對存儲點和注入方案的仔細選擇。準確預測長期（通常跨越數百年）的 CO2 plume 遷移和壓力累積對于確保存儲點的安全性和有效性至關重要。找到最佳設置需要在不同的地下條件、井位和注入速率下評估數萬種配置。但是，通常用于這些預測的傳統流量模擬器需要大量計算，因此限制了對潛在地點和注入方案的高吞吐量篩選。為應對這些挑戰，Shell 正與 NVIDIA 合作，通過 NVIDIA PhysicsNeMo 利用尖端技術來提高 CCS 站點篩選流程的效率和準確性。該項目利用機器學習（ML）模型實現了地下 CO2…

Source

]]>

MetDesk 和 NVIDIA Earth-2 共同推動能源交易創新

Tue, 30 Jul 2024 06:28:12 +0000

盡管天氣預報在過去幾十年中不斷改進，但氣象測量和模型導致的不確定性意味著ensemble forecasts對天氣預報仍然至關重要。ensemble forecasts通過在相同的預測范圍內運行多個模擬來估計這種不確定性。然后比較不同的結果，更詳細地描述未來。在本文中，我們將介紹用于以經濟高效的方式快速生成集成的工具。 NVIDIA Earth-2 是一個科學 AI 平臺，可提供用于輕松訪問和部署數據驅動的天氣預報模型的工具。Earth-2 的價值主張包括加速生成集成天氣預報的工具，這些工具可以生成大量可能的天氣場景，提供對許多行業感興趣的潛在天氣結果的更詳細表示。 MetDesk 是一家總部位于英國的領先專業氣象服務公司，使用 NVIDIA Earth-2 平臺運營 AI 預測集合，為能源交易市場提供加速天氣數據。

Source

]]>

聚焦：西門子能源公司使用 NVIDIA PhysicsNeMo 將電網資產模擬加速 10000 倍

Thu, 11 Jul 2024 06:05:06 +0000

由于可再生能源發電量不斷增加、能源資源分散和重工業脫碳，世界能源系統變得越來越復雜和分布式。能源生產商面臨的挑戰是，在混合發電廠中優化運營效率和成本，這些廠同時生產可再生和碳基電力。電網運營商需要盡快地調度能源資源，以確保家庭和企業的電網可靠性和彈性。 Siemens Energy 使用 NVIDIA PhysicsNeMo 開發了 AI 代理模型，NVIDIA PhysicsNeMo 是一個開源框架，用于構建、訓練和微調物理信息機器學習 (Physics-ML) 模型。這些代理模型適用于復雜的工程系統，將為現代電網的工業數字孿生提供動力。這些系統包括電網中使用的襯套和氣體絕緣開關設備 (GIS)。襯套是一個關鍵的 Transformer 組件，是一種隔離結構，能夠幫助載流體通過接地水箱。本文詳細介紹西門子能源公司如何構建其 AI 專業知識，

Source

]]>

Wistron 借助 AI 和 NVIDIA Omniverse 提高制造業的能效

Sun, 02 Jun 2024 08:04:56 +0000

隨著對環境、社會和治理 (ESG) 投資和計劃的日益重視，制造商正在尋找新的方法來提高其運營中的能效和可持續性。電子制造領域的一個機會領域是試運行測試室的性能，這對于確保全球電子產品的可靠性、質量和安全性至關重要。它們能夠及早發現問題，并且對于嚴格的質量控制和符合行業標準至關重要。在此聚焦中，我們將探索 Wistron 作為全球最大的信息和通信產品供應商之一，如何與 NVIDIA 合作，構建了數字孿生平臺和支持人工智能的仿真工具，以確保其新驗室中運行測試室的最佳設計、性能和能效。NVIDIA DGX 和 NVIDIA HGX 工廠，可以節省高達 10% 的能耗。為了幫助其團隊提高試運行實驗室及其模擬工作流程的能效和生產力，具備人工智能/機器學習、物聯網和三維建模技能的開發者在 NVIDIA Omniverse 該平臺由通用場景描述（OpenUSD）提供支持，

Source

]]>

圖神經網絡在增材制造中的應用

Sun, 12 May 2024 07:29:46 +0000

格構結構是自然和人工制造的設計，在許多科學領域都很重要，如材料科學、航空航天工程和生物醫學工程。它們是通過重復的圖案連接較小的特拉斯結構制成的，并產生高的強度與重量比。增材制造中 3D 打印的興起凸顯了晶格的重要性，使其能夠創建具有復雜幾何形狀和空間調諧材料特性的定制設計。格紋設計可根據具體需求進行定制。例如，它們可以被制成更堅固的以承載更多的重量，或者被設計成具有增強的熱導率。定制晶格結構的能力使它們在許多不同的領域都很有用，特別是在理論和實際應用相結合的學科中。研究人員來自 Carbon3D，他們正在利用人工智能創建高效、經濟高效的模擬，以生成復雜的 3D 打印結構，特別關注復雜的晶格設計。為此，他們正在使用 NVIDIA 模數將圖神經網絡訓練為模擬晶格結構動力學的人工智能代理。這項技術解決了增材制造中的一個關鍵挑戰：模擬復雜零件行為所需的高成本和高時間。傳統上，

Source

]]>

生成式 AI 如何借助 NVIDIA Earth-2 為氣候技術賦能

Wed, 10 Apr 2024 06:20:50 +0000

在全球變暖的背景下，NVIDIA Earth-2 已成為氣候技術的關鍵平臺，在應對氣候變化放大的越來越嚴重的極端天氣影響方面產生可行的見解。借助 Earth-2，有關天氣和氣候的見解不再局限于大氣物理學或海洋動力學專家。現在，您可以利用先進技術，以遠見卓識和精準度駕氣候變化的復雜性，指導公司、組織和國家地區預測前所未有的極端天氣相關風險，并減輕其影響。本文重點介紹了專為 AI 模型訓練和推理而設計的全面 NVIDIA Earth-2 工具套件，其中重點介紹了使用生成式 AI 進行縮小。縮小與圖像處理中的超分辨率概念類似，涉及從較低分辨率的輸入數據中生成更高分辨率的數據或預測。我們的重點擴展到用于公里級 (公里級) 天氣預報的生成式 AI，涵蓋從訓練全球 AI 天氣模型到推理和生成公里級預測的所有內容。最后，本文重點介紹了推動這場地球數字孿生革命的軟件工具，

Source

]]>