physics-ML – NVIDIA 技術博客

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

]]>

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

]]>

利用碳捕獲和存儲數字孿生實現凈零戰略

Thu, 06 Apr 2023 02:57:57 +0000

一氧化碳捕獲和儲存技術捕獲 CO2從其生產來源，對其進行壓縮，通過管道或船舶運輸，并將其儲存在地下。 CCS 使各行業能夠大幅降低 CO2是幫助工業制造商實現凈零排放目標的有力工具。在許多重工業過程中，溫室氣體（ GHG ）排放無法在規定的時間內避免，必須使用 CCS 解決方案，如水泥、化肥和化工行業。在全球范圍內減少溫室氣體排放的情景突出了 CCS 在能源組合中的作用。為了達到 2 ° C 的目標，根據IEA’s sustainable development scenario，超過 1000 萬噸 CO2到 2030 年，每年都必須進行儲存，從現在到 2050 年，必須部署大量 CCS 裝置。如今，約有 30 個大型裝置投入運行，注入了約 4000 萬噸 CO2每年。這項技術的發展將在未來十年迅速增長，但這一有前景的解決方案尚未證明它可以以可接受的成本實現工業化。

Source

]]>

基于物理的機器學習平臺 NVIDIA PhysicsNeMo 現已開源

Thu, 23 Mar 2023 08:37:54 +0000

基于物理的機器學習（ Physics ML ）正在轉型高性能計算（ HPC ）跨學科的模擬工作流程，包括計算流體動力學、結構力學和計算化學。由于其廣泛的應用，物理 ML 非常適合建模物理系統，并在從制造業到氣候科學的各個行業部署數字孿生。 NVIDIA PhysicsNeMo是一個最先進的物理 ML 平臺，它將物理與深度學習訓練數據相結合，以建立高保真、參數化的代理模型，并具有接近實時的延遲。使用 NVIDIA PhysicsNeMo 構建的代理模型有助于廣泛的解決方案，包括天氣預報，減少發電廠溫室氣體和加速清潔能源轉型. NVIDIA PhysicsNeMo 客戶的成功案例正在證明該平臺在各個行業中具有令人難以置信的實用性。然而，物理 ML 在深度學習領域是一個相對較新的領域，在研究層面和應用方面都面臨著重大挑戰。這是由于滿足物理 ML 規則所需的獨特要求：

Source

]]>