NVIDIA Modulus 是一个物理机器学习平台,它将物理的力量与数据相结合,构建高保真、参数化的人工智能代理模型,作为数字孪生模型,以接近实时的延迟进行模拟。
该前沿框架通过与 NVIDIA Omniverse ( OV )平台集成以实现实时虚拟世界仿真和全设计保真度可视化,扩展了其交互仿真能力。
以前,您需要自行设置可视化管道,这是模拟和分析工作流的关键组件。现在,您可以将 Omniverse 中的内置管道用于常见的输出场景,例如可视化流线和 iso 曲面,以获得 Modulus 训练 AI 模型的输出。另一个关键功能是能够在改变设计参数时近实时地可视化和分析高保真仿真输出。
增加模 OV 扩展的三个关键优点:
该内置可视化管道支持少量常用模式,如流线、标量场切片和流。
有一个近乎实时的模拟输出,用于更改设计参数并将其显示在屏幕上。
Omniverse 中丰富的生态系统现在可以与其他扩展集成,如 CAD 工具、端到端设计的可视化工具和模拟工作流。
这是 Modular OV 扩展的第一个预览版本, Modulus 团队欢迎您提出任何反馈或增强请求。 请向 Modulus NVIDIA 论坛提交反馈 。
启用 Modulus 扩展
Modulus 分机可用于 Omniverse Create 。 在使用 Omniverse 启动器在支持的操作系统上安装 Omniverse Create 后,安装 Modulus 扩展。然后进入扩展窗口并搜索“Modulus”。这将启动核心扩展以安装并启用 Modulus 扩展。
图 1 :在 Omniverse 创建中启用 Modulus 扩展
对于这个预览版本, Modulus 扩展仅在Linux平台上受支持,并且运行 Omniverse Create和 Modulus 的 GPU 内存需求可能相当高。对于现有场景,我们观察到了 NVIDIA RTX 3090 或更高,我们建议使用 RTX A6000 级 GPU 以获得理想的性能。
可视化交互式仿真
模拟场景是预先打包的示例,可以帮助用户熟悉扩展的功能。
目前,可以使用以下预配置场景进行实验: modulus_scenario_fpga
通过在扩展管理器中搜索其名称来加载此场景扩展(在下面,我们将使用 modulus_scenario_fpga )。安装并启用扩展。如果您是第一次这样做,这个过程可能需要几分钟的时间才能下载预训练模型并安装到您的机器上。
该场景基于 参数化 3D 散热器示例 的模,在启用 OV 扩展的情况下,您可以可视化通过现场可编程门阵列( FPGA )几何形状的气流。
在这种情况下,模训练的参数化神经网络模型模拟气流路径。使用的推断输出数据是速度幅值,即在体积表面上定义的给定点处的空速。通过以相当低的速度放置一个表面,你可以看到气流在哪里减慢,这将是边界,当气流撞击到图 2 所示的散热片时。
您还可以使用流线分析气流,流线是通过在气流中添加平流粒子来计算的。为了更好地理解气流,您还可以使用气流的纹理。
图 2 :可视化并交互修改模拟场景
此版本的扩展提供了一组常见的可视化模式。每个模式都将使用可视化几何体填充 Omniverse 中当前打开的阶段,该阶段将随着参数的更改而更新。
Streamlines: 创建一组流线。
Slices: 添加速度幅值的三个轴对齐切片。
此外,您还可以使用扩展用户界面中的旋钮更改可视化参数。修改可视化参数时,不会重新评估模型。要了解哪些参数可以调整,请参阅 OV 集成文档 。
图 3 。更改可视化参数并在扩展用户界面中交互查看结果
Modulus 和物理 ML 的另一个改变游戏规则的方面是在参数化空间上训练模型的能力,该空间可用于推断由一组设计参数定义的设计空间。用户可以在场景中将其作为各种参数旋钮公开,这些参数可以更改,以近实时地推断和可视化新的模拟输出。当您更改这些设计参数时,将重新评估模型以推断新的几何体,并将输出可视化。
图 4 。更改散热器散热片的高度、长度等设计参数
关于作者
Bhoomi Gadhia 是 NVIDIA 的高级产品营销经理,专注于 NVIDIA Modular ,一个用于开发物理信息机器学习神经网络模型的人工智能框架。她在计算机辅助工程应用领域拥有超过 10 年的经验,在 Hexagon MSC Software 和 Ansys 担任技术和产品营销职务。布米居住在加利福尼亚州,拥有机械工程硕士学位。
Ram Cherukuri 是 CUDA 平台和 DLA 软件的高级产品经理。在 NVIDIA 之前, Ram 是 MathWorks 的产品经理,负责嵌入式软件开发的代码生成和验证产品,与汽车和航空 def 客户合作。
审核编辑:郭婷
-
NVIDIA
+关注
关注
14文章
4940浏览量
102818 -
操作系统
+关注
关注
37文章
6742浏览量
123194 -
机器学习
+关注
关注
66文章
8378浏览量
132424
发布评论请先 登录
相关推荐
评论