NVIDIA宣布(bù)了(le)一(yī)个(gè)人(rén)工智能(néng)框架，为工程师(shī)、科學(xué)家(jiā)和(hé)研究人(rén)員提(tí)供了(le)一(yī)个(gè)可(kě)定(dìng)制、易于(yú)使用(yòng)的(de)基于(yú)物(wù)理(lǐ)的(de)工具包(bāo)，用(yòng)于(yú)構建數字(zì)双(shuāng)胞胎的(de)神經(jīng)网(wǎng)络模型，幫助加速解(jiě)決我(wǒ)们(men)时(shí)代(dài)最(zuì)具挑战性(xìng)的(de)問(wèn)题。
NVIDIAModulus是(shì)一(yī)个(gè)用(yòng)于(yú)開(kāi)發(fà)物(wù)理(lǐ)机器學(xué)習模型的(de)框架，旨在(zài)促進(jìn)蛋白(bái)質(zhì)工程和(hé)气(qì)候科學(xué)等廣泛領域，人(rén)工智能(néng)專業知識稀缺，但对人(rén)工智能(néng)和(hé)物(wù)理(lǐ)驅动的(de)數字(zì)孿生(shēng)功能(néng)的(de)需求正(zhèng)在(zài)迅速增长(cháng)。
數字(zì)双(shuāng)胞胎已經(jīng)成(chéng)为解(jiě)決從藥物(wù)發(fà)現(xiàn)等分(fēn)子水平到(dào)气(qì)候變(biàn)化(huà)等全(quán)球挑战的(de)有(yǒu)力工具。NVIDIAModulus为科學(xué)家(jiā)構建複雜动态系(xì)統的(de)高(gāo)精度(dù)數字(zì)複制品提(tí)供了(le)一(yī)个(gè)框架，從而(ér)在(zài)衆多(duō)行業取(qǔ)得下(xià)一(yī)代(dài)突破。
基于(yú)物(wù)理(lǐ)的(de)神經(jīng)网(wǎng)络。
Modulus訓练神經(jīng)网(wǎng)络使用(yòng)基本(běn)的(de)物(wù)理(lǐ)定(dìng)律来(lái)模拟複雜系(xì)統在(zài)廣泛領域的(de)行为。然後(hòu)，替代(dài)模型可(kě)以用(yòng)于(yú)從工業用(yòng)例到(dào)气(qì)候科學(xué)的(de)各(gè)種(zhǒng)數字(zì)孿生(shēng)應(yìng)用(yòng)。
與(yǔ)大(dà)多(duō)數基于(yú)人(rén)工智能(néng)的(de)方(fāng)法(fǎ)一(yī)樣(yàng)，Modulus包(bāo)含一(yī)个(gè)數據(jù)準備模块(kuài)，可(kě)以幫助管(guǎn)理(lǐ)觀察或(huò)模拟數據(jù)。它(tā)還(huán)考慮了(le)其(qí)建模系(xì)統的(de)幾(jǐ)何形狀和(hé)輸入(rù)幾(jǐ)何形狀所(suǒ)表(biǎo)示的(de)空(kōng)間(jiān)的(de)显式參數。
Modulus的(de)主(zhǔ)要(yào)工作(zuò)流程和(hé)元(yuán)素包(bāo)括：
采樣(yàng)規劃(huà)器允许用(yòng)戶選擇準随机采樣(yàng)或(huò)重(zhòng)要(yào)采樣(yàng)等方(fāng)法(fǎ)，以提(tí)高(gāo)訓练模型的(de)收(shōu)斂性(xìng)和(hé)準确性(xìng)。
基于(yú)Python的(de)API采用(yòng)符号(hào)控制偏微分(fēn)方(fāng)程，構建基于(yú)物(wù)理(lǐ)的(de)神經(jīng)网(wǎng)络。
經(jīng)證明(míng)，基于(yú)物(wù)理(lǐ)問(wèn)题有(yǒu)效選擇层(céng)和(hé)网(wǎng)络架構。
Physics-ML引擎利用(yòng)这(zhè)些(xiē)輸入(rù)使用(yòng)PyTorch和(hé)TensorFlow，用(yòng)于(yú)GPU加速的(de)cuDNN和(hé)用(yòng)于(yú)多(duō)GPU和(hé)多(duō)节(jié)點(diǎn)擴展(zhǎn)的(de)NVIDIAMagnumIO来(lái)訓练模型。
快(kuài)速周轉(zhuǎn)时(shí)間(jiān)。
GPU加速工具包(bāo)提(tí)供快(kuài)速周轉(zhuǎn)，补充傳統分(fēn)析，實(shí)現(xiàn)更(gèng)快(kuài)的(de)洞(dòng)察力。Modulus允许用(yòng)戶通(tòng)过(guò)評估和(hé)更(gèng)改參數的(de)影響来(lái)探索系(xì)統的(de)不(bù)同(tóng)配置和(hé)场(chǎng)景。
基于(yú)TensorFlow的(de)實(shí)現(xiàn)，Modulus的(de)高(gāo)性(xìng)能(néng)。XLA是(shì)一(yī)種(zhǒng)用(yòng)于(yú)線(xiàn)性(xìng)代(dài)數的(de)域特(tè)定(dìng)編譯器，可(kě)以加速TensorFlow模型。它(tā)利用(yòng)Horovod分(fēn)布(bù)式深度(dù)學(xué)習訓练框架擴展(zhǎn)多(duō)GPU。
模型一(yī)旦經(jīng)过(guò)訓练，Modulus幾(jǐ)乎可(kě)以實(shí)时(shí)或(huò)交互推理(lǐ)。相比之(zhī)下(xià)，傳統分(fēn)析必須一(yī)次(cì)，每次(cì)计算成(chéng)本(běn)都很高(gāo)。
易于(yú)采用(yòng)
Modulus是(shì)可(kě)定(dìng)制的(de)，易于(yú)使用(yòng)。它(tā)提(tí)供了(le)一(yī)个(gè)用(yòng)于(yú)實(shí)現(xiàn)新(xīn)物(wù)理(lǐ)和(hé)幾(jǐ)何的(de)應(yìng)用(yòng)程序。其(qí)設计目的(de)是(shì)讓剛開(kāi)始(shǐ)使用(yòng)AI驅动的(de)數字(zì)孿生(shēng)應(yìng)用(yòng)的(de)人(rén)快(kuài)速使用(yòng)。
該框架包(bāo)括分(fēn)步教程，用(yòng)于(yú)计算流體(tǐ)动力學(xué)和(hé)傳热(rè)。它(tā)還(huán)为應(yìng)用(yòng)領域提(tí)供了(le)越来(lái)越多(duō)的(de)實(shí)現(xiàn)，如(rú)湍流建模、瞬态波(bō)动方(fāng)程、納維斯托克(kè)斯方(fāng)程、麥克(kè)斯韋電(diàn)磁方(fāng)程、逆向(xiàng)問(wèn)题等多(duō)物(wù)理(lǐ)场(chǎng)問(wèn)题。