NVIDIA 于 GTC 大會(huì)上發(fā)布的 AI 框架為工程師、科學(xué)家和研究者提供了一個(gè)可定制、易于采用的物理學(xué)工具包,使他們能夠通過(guò)建立數(shù)字孿生神經(jīng)網(wǎng)絡(luò)模型加速解決當(dāng)今一些最具挑戰(zhàn)性的問(wèn)題。
NVIDIA Modulus是一個(gè)用于開(kāi)發(fā)物理學(xué)-機(jī)器學(xué)習(xí)模型的框架,它能夠?yàn)槿狈?AI 專(zhuān)業(yè)知識(shí),但對(duì) AI 和物理驅(qū)動(dòng)型數(shù)字孿生功能的需求快速增長(zhǎng)的眾多領(lǐng)域提供支持,例如蛋白質(zhì)工程和氣候科學(xué)領(lǐng)域。
數(shù)字孿生已成為解決從分子層面(如藥物研發(fā))到全球挑戰(zhàn)(如氣候變化)等各種問(wèn)題的有力工具。NVIDIA Modulus 為科學(xué)家所提供的框架能夠?yàn)閺?fù)雜、動(dòng)態(tài)的系統(tǒng)構(gòu)建高精度數(shù)字復(fù)制品,從而推動(dòng)各行業(yè)的新一代技術(shù)突破。
基于物理學(xué)的神經(jīng)網(wǎng)絡(luò)
Modulus 訓(xùn)練神經(jīng)網(wǎng)絡(luò)使用基本的物理學(xué)定律模擬各領(lǐng)域中復(fù)雜系統(tǒng)的行為。從工業(yè)用例到氣候科學(xué),該代理模型可用于各種數(shù)字孿生應(yīng)用。
與大多數(shù)基于 AI 的方法一樣,Modulus 內(nèi)置一個(gè)幫助管理觀(guān)察或模擬數(shù)據(jù)的數(shù)據(jù)準(zhǔn)備模塊。它還能解釋它所模擬的系統(tǒng)的幾何圖形以及輸入幾何圖形所表示的空間的顯式參數(shù)。
Modulus 的關(guān)鍵工作流程和要素包括:
采樣計(jì)劃器:使用戶(hù)能夠選擇一種方法(如準(zhǔn)隨機(jī)采樣或重要性采樣)來(lái)提高被訓(xùn)練模型的收斂性和準(zhǔn)確性。
基于 Python 的 API:采取象征性管理偏微分方程并構(gòu)建基于物理學(xué)的神經(jīng)網(wǎng)絡(luò)。
精選層和網(wǎng)絡(luò)架構(gòu):經(jīng)證明能夠有效解決物理學(xué)問(wèn)題。
物理學(xué)-機(jī)器學(xué)習(xí)引擎:使用這些輸入來(lái)訓(xùn)練模型。所訓(xùn)練的模型能夠使用 PyTorch 與 TensorFlow、使用 cuDNN 實(shí)現(xiàn) GPU 加速并且使用 NVIDIA Magnum IO 實(shí)現(xiàn)多 GPU 和多節(jié)點(diǎn)擴(kuò)展。
快速周轉(zhuǎn)時(shí)間
GPU 加速工具包實(shí)現(xiàn)快速周轉(zhuǎn),補(bǔ)充傳統(tǒng)的分析并實(shí)現(xiàn)更快的洞察。Modulus 使用戶(hù)通過(guò)評(píng)估能夠改變其參數(shù)的影響來(lái)探索系統(tǒng)的不同配置和場(chǎng)景。
基于高性能 TensorFlow 的 Modulus 實(shí)現(xiàn)使用 XLA 優(yōu)化性能。XLA 是一個(gè)用于加速 TensorFlow 模型的特定領(lǐng)域線(xiàn)性代數(shù)編譯器。它使用 Horovod 分布式深度學(xué)習(xí)訓(xùn)練框架實(shí)現(xiàn)多 GPU 擴(kuò)展。
在完成模型訓(xùn)練后,Modulus 可以進(jìn)行近乎實(shí)時(shí)的推理或互動(dòng)式推理。相比之下,傳統(tǒng)的分析每次運(yùn)行時(shí)都要進(jìn)行評(píng)估,而且每次評(píng)估的計(jì)算成本很高。
易于采用
Modulus 可定制并且易于采用。它能提供用于實(shí)現(xiàn)新物理學(xué)和幾何學(xué)的 API。Modulus 在設(shè)計(jì)上可以使那些剛開(kāi)始使用 AI 數(shù)字孿生應(yīng)用的人能夠快速將其用于工作。
該框架包括計(jì)算流體力學(xué)、熱傳導(dǎo)等入門(mén)分步教程。它還為應(yīng)用領(lǐng)域提供了一個(gè)不斷增長(zhǎng)的實(shí)現(xiàn)列表,如湍流建模、瞬態(tài)波方程、納維-斯托克斯方程、電磁學(xué)領(lǐng)域的麥克斯韋方程、反問(wèn)題和其他多物理場(chǎng)問(wèn)題。
責(zé)任編輯:haq
-
NVIDIA
+關(guān)注
關(guān)注
14文章
5696瀏覽量
110144 -
AI
+關(guān)注
關(guān)注
91文章
41381瀏覽量
302753 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
67文章
8567瀏覽量
137272
原文標(biāo)題:GTC21 | NVIDIA 創(chuàng)建 AI 學(xué)習(xí)物理框架
文章出處:【微信號(hào):NVIDIA_China,微信公眾號(hào):NVIDIA英偉達(dá)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
鴻之微邀您相約2026年物理學(xué)術(shù)年會(huì)
為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎?
神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
利用NVIDIA Cosmos開(kāi)放世界基礎(chǔ)模型加速物理AI開(kāi)發(fā)
自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?
NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹
在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)
基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案
無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究
神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用
神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
NVIDIA基于物理學(xué)的神經(jīng)網(wǎng)絡(luò)
評(píng)論