...

NVIDIA Modulus treina modelos inovadores de física-ML para turbinar digital twins industriais, ciência climática, engenharia de proteínas e muito mais

A fim de ajudar a acelerar os trabalhos em alguns dos problemas mais desafiadores de nosso tempo, a NVIDIA anuncia um framework de inteligência artificial (IA) que fornece a engenheiros, cientistas e pesquisadores um kit de ferramentas personalizável, fácil de usar e baseado em física para construir modelos de rede neural de digital twins. O NVIDIA Modulus, estrutura para desenvolver modelos de física-ML, é projetado para turbinar uma ampla gama de campos em que a experiência em IA é escassa, mesmo que a necessidade de IA e recursos de digital twins baseados em física estejam crescendo rapidamente - como em engenharia de proteínas e as ciências climáticas, por exemplo.

Os digital twins surgiram como ferramentas poderosas para lidar com problemas que vão desde o nível molecular, como a descoberta de drogas, até desafios globais, como as mudanças climáticas. O NVIDIA Modulus oferece aos cientistas uma estrutura para construir reproduções digitais altamente precisas de sistemas complexos e dinâmicos que permitirão a próxima geração de inovações em uma vasta gama de indústrias.

Redes neurais baseadas na física

O Modulus treina redes neurais para usar as leis fundamentais da física para modelar o comportamento de sistemas complexos em uma ampla gama de campos. O modelo substituto pode, então, ser usado em várias aplicações de digital twins, desde casos de uso industrial até ciências do clima.

Como na maioria das abordagens baseadas em IA, o Modulus inclui um módulo de preparação de dados que ajuda a gerenciar dados observados ou simulados. Também leva em consideração a geometria dos sistemas que modela e os parâmetros explícitos do espaço representado pela geometria de entrada.

O fluxo de trabalho principal e os elementos do Modulus incluem:

• Planejador de amostragem, que permite ao usuário selecionar uma abordagem, como amostragem quase aleatória ou amostragem de importância, para melhorar a convergência e a precisão do modelo treinado;
• APIs baseadas em Python para obter equações diferenciais parciais governantes simbólicas e construir redes neurais baseadas em física;
• Camadas selecionadas e arquiteturas de rede que são comprovadamente eficazes para problemas baseados na física;
• Mecanismo Physics-ML, que usa essas entradas para treinar o modelo usando PyTorch e TensorFlow, cuDNN para aceleração de GPU e o NVIDIA Magnum IO para multi-GPU e escalonamento multinó.

Tempo de retorno rápido

O kit de ferramentas acelerado por GPU oferece um rápido retorno, complementando a análise tradicional e permitindo insights mais rápidos. O Modulus permite que os usuários explorem diferentes configurações e cenários de um sistema, avaliando o impacto da alteração de seus parâmetros.

A implementação baseada no TensorFlow de alto desempenho do Modulus otimiza o desempenho tirando proveito do XLA, um compilador específico de domínio para álgebra linear que acelera os modelos do TensorFlow. Ele usa a estrutura de treinamento de deep learning distribuída Horovod para escalonamento multi-GPU.

Uma vez que um modelo é treinado, o Modulus pode fazer a inferência quase em tempo real ou interativamente. Por outro lado, a análise tradicional deve ser avaliada uma execução por vez, e cada uma é computacionalmente cara.

Fácil de adotar

“O Modulus é personalizável e fácil de adotar. Oferece APIs para implementação de novas físicas e geometrias. Ele foi projetado para que aqueles que estão começando com aplicações digital twins baseados em IA possam colocá-lo para funcionar rapidamente”, comenta Marcio Aguiar, diretor da divisão Enterprise da NVIDIA para América Latina.

A estrutura inclui tutoriais passo a passo para começar com dinâmica de fluidos computacional, transferência de calor e muito mais. Ele também oferece uma lista crescente de implementações para domínios de aplicação, como modelagem de turbulência, equações de ondas transitórias, equações de Navier-Stokes, equação de Maxwell para eletromagnéticos, problemas inversos e outros problemas multifísicos.

O NVIDIA Modulus já está disponível para download gratuito na NVIDIA Developer Zone.

Registre-se gratuitamente para saber mais sobre o Modulus durante o NVIDIA GTC, que acontece online até o dia 11 de novembro.