NVIDIA Modulus
NVIDIA Modulus は、Python インターフェイスを使用して物理 - 機械学習モデルを構築、トレーニング、ファインチューニングするためのオープンソースのフレームワークです。
Modulus を使用すると、偏微分方程式で記述された物理の因果関係と、CAE シミュレーションデータや観測データを融合させた忠実度の高い AI サロゲートモデルを構築することができます。このような AI モデルは、ほぼリアルタイムのレイテンシーでパラメータ化された設計空間を予測することができます。
Modulus を使用すると、AI で工学シミュレーションを強化することができます。流体解析、構造解析から電磁場解析まで 、複数の物理領域にわたるエンタープライズ規模のデジタルツインアプリケーションモデルを構築することができます。
利点を知る
物理のための AI ツールキット
シンプルな Python API で物理システムの AI モデルを素早く設定、構築、トレーニングします。 このフレームワークは、工学シミュレーションからライフサイエンスまで、また順解析から逆問題、データ同化まで、さまざまなドメインで汎用的に使用されます。
モデルをカスタマイズ
NVIDIA NGC™カタログから事前学習済みの最先端のモデルをダウンロードし、カスタマイズします。リファレンスアプリケーションに基づいて構築し、それを各自のユースケースに拡張します。
ほぼリアルタイムに推論
物理システムのデジタルツインとしてAIサロゲートモデルをデプロイし、ほぼリアルタイムにシミュレートします。
Modulus の活用事例を見る
FourCastNet で異常気象の予測を加速
Siemens Energy 社 の NVIDIA Modulus と Omniverse を用いた排熱回収ボイラーのデジタルツインシミュレーション
ウェイク最適化による風力発電量の最大化
主な特徴
新しいモデル アーキテクチャ
Modulus は、物理に基づくモデルをトレーニングするための様々な手法を提供します。これには、PINNs のような純粋に physics-driven モデルから、ニューラル オペレーターのような物理ベースのdata-driven のアーキテクチャまで含まれます。 Modulus には、ドキュメントに記載されたオープンソースや無償のデータセットに対して NVIDIA DGX でトレーニングされた、物理 - 機械学習モデルアーキテクチャやフーリエ特徴ネットワーク、フーリエニューラルオペレーターが含まれています。
最先端の物理 - 機械学習モデルのトレーニング
Modulus は、ジオメトリの取り込みから偏微分方程式の追加、マルチノード GPU でのトレーニングへの拡張まで、物理 - 機械学習モデルをトレーニングするためのエンドツーエンドのパイプラインを提供します。また、Modulus には、リファレンスアプリケーションの形でトレーニングレシピが含まれています。
明示的なパラメータ化
Modulus は、設計空間を学習するための様々な値でサロゲートモデルをトレーニングし、複数のシナリオを同時に推論するために、明示的なパラメータ仕様を提供します。
Omniverse との統合
Modulus は、Modulus 拡張機能を介して NVIDIA Omniverse™ と統合され、Modulus の学習済みモデルからの出力結果が可視化されます。この拡張機能により、流線や等値面などの一般的な表示に対応した可視化パイプラインへ出力結果をインポートすることができます。また、新しいシステムの挙動を推論し、ほぼリアルタイムに可視化しながら、設計変数やパラメータをインタラクティブに探索できるインターフェイスも提供します。
NVIDIA Modulus を使い始める方法
エンタープライズ規模のワークフロー
Modulus 向けの NVIDIA クラウドワークフローに無料でアクセスし、エンタープライズワークロードへの拡張の容易さを体験します。
NVIDIA LaunchPad で試す
セルフペースのオンライントレーニング
NVIDIA Deep Learning Institute (DLI)の実践的な入門コースで、Modulusを使った物理情報に基づく機械学習を学びます。
コースを見る
ご利用者からの声
Modulus に関する注目コンテンツ
NVIDIA Modulus フレームワークをダウンロードする