samedi 13 novembre 2021

Derniers articles

Introduction du framework NVIDIA Modulus pour les modèles Physics ML pour les jumeaux numériques

Lors de l’événement GTC de NVIDIA cette semaine, la société a présenté un nouveau cadre pour le développement de modèles Physics ML pour les jumeaux numériques sous la forme de NVIDIA Modulus. Auparavant connu sous le nom de SimNet, NVIDIA Modulus est conçu pour les ingénieurs, les scientifiques, les chercheurs et les étudiants offrant une plate-forme pour « entraîner des réseaux de neurones à l’aide d’équations physiques gouvernantes ainsi que de données observées ou simulées », explique NVIDIA.

« NVIDIA Modulus est un cadre de réseau de neurones qui allie la puissance de la physique et des équations aux dérivées partielles (PDE) à l’IA pour créer des modèles plus robustes pour une meilleure analyse. Que vous cherchiez à vous lancer dans des problèmes de physique pilotés par l’IA ou à concevoir des modèles de jumeaux numériques pour des systèmes multiphysiques non linéaires complexes, NVIDIA Modulus peut prendre en charge votre travail.

NVIDIA a rendu Modulus disponible en téléchargement gratuit et une sélection de nouvelles sessions NVIDIA GTC expliquant plus sur Modulus et comment utiliser la nouvelle plate-forme sont disponibles en suivant le lien ci-dessous.

Avantages et fonctionnalités de NVIDIA Modulus

– Résout les problèmes plus importants plus rapidement avec la prise en charge de l’algèbre linéaire accélérée (XLA) et de la précision mixte automatique (AMP) et de la mise en œuvre multi-GPU/multi-nœuds.
– Modélisation de plusieurs types de physique dans des simulations directes et inverses avec précision et convergence.
– Fournit une représentation du système paramétrée qui résout plusieurs scénarios simultanément, vous permettant de vous entraîner une fois pour résoudre plusieurs problèmes.
– Fournit des interfaces de programmation d’applications (API) pour la mise en œuvre de nouvelles physiques et géométries et des exemples de guides d’utilisation détaillés.
– NVIDIA Modulus prend en charge la mise à l’échelle multi-GPU et multi-nœuds à l’aide de Horovod. Cela permet plusieurs processus, chacun ciblant un seul GPU, avec une communication collective à l’aide de la bibliothèque de communications collective NVIDIA (NCCL) et de l’interface de passage de messages (MPI).

«Modulus s’appuie sur une approche basée sur l’IA pour combiner les avantages de la physique et de l’apprentissage automatique. En prenant en compte les données d’entraînement et les équations physiques qui régissent, Modulus forme un réseau neuronal qui encapsule la physique du système dans un modèle haute fidélité pouvant être utilisé dans diverses applications. Le module de préparation des données de Modulus prend en entrée des données observées ou simulées, ainsi que la géométrie dans plusieurs formats standards, y compris le format de nuage de points, du système que nous essayons de modéliser. La beauté de Modulus n’est pas seulement de prendre une géométrie spécifique du système, mais aussi un espace paramétré explicite de la géométrie d’entrée. Cela permet au modèle entraîné d’explorer et d’optimiser l’espace de conception pour les paramètres optimaux. “

La source : NVIDIA : Séances

Certains de nos articles incluent des liens d’affiliation. Si vous achetez quelque chose via l’un de ces liens, lilypop peut gagner une commission d’affiliation. .

Derniers articles

Les plus consultés