시뮬레이션은 핵융합로 설계, 풍력 발전소 최적화, 탄소 포집 및 저장 기술 개발, 수소 배터리 구축과 같은 복잡한 엔지니어링 과제에 필수적인 요소입니다. 이러한 시스템을 설계하려면 계산 비용이 많이 드는 과학 시뮬레이션을 여러 번 반복해야 하는 경우가 많습니다. 솔버와 매개변수는 연구하는 각 시스템에 맞게 개별적으로 조정해야 하는 경우가 많습니다. 이제 NVIDIA Modulus와 같은 AI 및 물리 기반 머신 러닝(physics-ML) 프레임워크 덕분에 이러한 문제를 극복하고 이러한 시뮬레이션을 터보차지할 수 있습니다.
NVIDIA Modulus는 물리학과 딥 러닝 트레이닝 데이터를 결합하여 실시간에 가까운 지연 시간으로 고충실도의 파라미터화된 대리 모델을 구축하는 최첨단 오픈 소스 physics-ML 플랫폼입니다. 엔지니어와 과학자는 NVIDIA Modulus를 사용하여 물리 기반 AI 대리 모델을 탐색하고 구축할 수 있습니다. 이러한 원칙은 일기 예보 및 산업용 디지털 트윈과 같은 고성능 컴퓨팅(HPC) 규모의 애플리케이션을 포함하여 제조에서 의료에 이르는 광범위한 솔루션에 적용되고 있습니다.
NVIDIA Inception 파트너인 DimensionLab은 엔지니어, 과학자, 제작자 및 크리에이터를 위한 차세대 툴을 개발하는 소프트웨어 스튜디오입니다. 사용자 경험, 단순성, 현대적인 디자인에 중점을 두고 있는 DimensionLab 팀은 과학적 머신 러닝의 최근 발전을 활용하여 기술 및 제품 개발에 수치 시뮬레이션을 사용하는 방법을 혁신하고 있습니다.
NVIDIA Modulus의 중요한 잠재력을 인식한 DimensionLab은 이를 주력 제품인 AI 기반 엔지니어링용 웹 플랫폼인 Siml.ai의 백본으로 사용했습니다.
도메인 전문가를 위한 AI 대리 모델링 간소화
Siml.ai는 모델 엔지니어 애플리케이션 내에서 강력한 노코드 추상화 기능을 제공하여 엔지니어가 AI에 능숙해지지 않고도 자신의 도메인 전문성을 보다 자연스럽게 표현할 수 있도록 지원합니다. 이 애플리케이션은 모듈러스 인터페이스를 기반으로 구축됩니다. 이를 통해 도메인 전문가는 딥러닝 모델의 손실 함수가 해당 정보를 캡처하는 방식이 아닌, 부분 미분 방정식을 사용하여 시스템에 대한 지식을 기호 형식으로 표현할 수 있습니다.
모델 엔지니어의 목표는 다음과 같은 전체 프로세스를 단순화하고 능률화하는 것입니다:
- 기존 시뮬레이션 내보내기 또는 실제 실험에서 정밀한 측정값을 수집하는 물리적 센서에서 대규모 데이터 세트 구축.
- 시뮬레이터의 원하는 기능 및 제약 조건에 맞는 올바른 모델 아키텍처 구축.
- 클라우드 인프라 관리의 복잡성을 처리할 필요 없이 고성능 GPU 기반 클라우드 또는 HPC 센터에서 학습 가능한 시뮬레이터를 훈련하고 적극적으로 최적화할 수 있습니다.
모델 엔지니어의 플로우차트 스타일 시각적 에디터는 문제를 설정하여 모듈러스 플랫폼에서 훈련을 시작합니다. 내부적으로 플로우차트 다이어그램의 시각적 표현은 NVIDIA 모듈러스 API 호출로 컴파일됩니다. 이는 매개변수화된 변수, 신경망 아키텍처, 지오메트리 또는 제약 조건과 함께 전체 시뮬레이터 상태를 나타냅니다.
CAD 지오메트리를 지오메트리 노드로 드래그 앤 드롭하면 자동으로 NVIDIA Modulus 테셀레이션 모듈용 STL로 변환됩니다. 동시에 3D 지오메트리 뷰어를 위한 빠른 웹 형식으로 변환됩니다.
엔지니어와 과학자는 Siml.ai 인터랙티브 시각적 툴을 통해 물리학 시뮬레이션을 위한 physics-ML 모델을 탐색하는 데 집중할 수 있으므로 복잡성을 처리할 필요가 없습니다. 플랫폼을 통해 환경을 생성하고 배포하여 단 몇 번의 클릭만으로 시뮬레이션 모델 훈련을 시작할 수 있습니다. 이 환경은 시뮬레이터의 시각적 표현을 훈련 가능한 Modulus 시뮬레이터를 위한 코드로 컴파일하는 모든 작업을 수행하는 컨테이너화된 솔루션인 시뮬레이터 추론 및 훈련 환경(SITE)을 사용합니다. SITE는 NVIDIA GPU에 최적화되어 있으며 AI 기반 시뮬레이터 작업에 필요한 모든 것을 제공합니다
Siml.ai 플랫폼의 두 번째 부분은 시뮬레이션 결과를 실시간으로 시각화할 수 있는 툴인 Simulation Studio입니다. 이 툴은 언리얼 엔진과 픽셀 스트리밍 기능을 기반으로 하는 하이브리드 애플리케이션(웹 기반 및 네이티브)입니다. 클라우드에서 렌더링을 실행하고 렌더링된 프레임을 Siml.ai 프론트엔드로 비디오 스트림으로 전송합니다.
사용자는 모델 엔지니어에서 생성한 파라미터화된 시뮬레이터를 시뮬레이션 스튜디오에 로드하여 빠른 가상 물리 실험 워크플로우를 위한 인터랙티브 디지털 트윈을 생성할 수 있습니다.
비용과 시간을 절약하는 Physics-ML 대체(Surrogate) 모델
디멘션랩의 개발자들은 이러한 새로운 툴과 워크플로우가 Physics-ML 활용에 미치는 영향을 입증하기 위해 특정 고객 사례 연구에 Siml.ai를 사용했습니다. 이 연구의 목적은 예산이 제한된 소규모 컨설팅 회사를 위해 물리 ML 모델을 구축하는 데 있어 NVIDIA Modulus 및 Siml.ai와 같은 프레임워크의 가치를 정량화하는 것이었습니다. 목표는 업계 표준 시뮬레이션 소프트웨어의 결과와 동등한 수준의 AI 솔루션을 훨씬 적은 비용과 시간으로 제공하는 것이었습니다.
고객은 과거에 발생한 홍수 피해를 분석하기 위해 수력발전소로 유입되는 강 흐름에 대한 수치 시뮬레이션이 필요했습니다. 널리 사용되는 수치 솔버로 수학적 모델을 완성하고 미세 조정하는 데 4년이 걸렸고, 복잡한 기하학적 메시를 만드는 데 수개월이 걸렸습니다.
기존의 모델링 및 시뮬레이션 접근 방식과 달리 DimensionLab의 개발자들은 고객이 이 엔지니어링 과제에 Physics-ML 접근 방식을 적용할 수 있도록 지원했습니다. 개발자들은 Navier-Stokes 방정식, 물리학 정보 신경망, NVIDIA Modulus 프레임워크의 Fourier 신경 연산자를 활용하는 Siml.ai에서 여러 개의 비교 가능한 AI 기반 시뮬레이션을 만들었습니다.
이 모델은 다양한 구성과 파라미터화를 통해 여러 번 개발하고 훈련하는 데 단 3주밖에 걸리지 않았습니다. 그 결과 이전에 시도했던 접근 방식에 비해 96%의 비용과 시간을 절약할 수 있었습니다.
엔지니어링 리소스를 위한 시뮬레이션
자세한 내용은 Siml.ai 설명서 및 Siml.ai 교육 콘텐츠를 참조하세요. Siml.ai 블로그에서 툴에 대한 자세한 내용을 읽어보실 수도 있습니다.
Physics-ML 및 NVIDIA Modulus에 대해 자세히 알아보려면 NVIDIA 딥 러닝 인스티튜트 과정인 Modulus를 사용한 물리학 기반 머신 러닝 소개를 확인하고 GitHub의 NVIDIA/modulus 리포지토리를 방문하세요.
스타트업이 최첨단 기술을 통해 더 빠르게 발전하고, 벤처 캐피털리스트와 연결될 기회를 얻고, NVIDIA의 최신 기술 리소스에 액세스할 수 있도록 설계된 NVIDIA Inception에 대해 자세히 알아보세요.
관련 리소스
- GTC 세션: AI, 시뮬레이션 및 산업용 디지털 트윈을 통한 에너지 전환 가속화
- GTC 세션: 넷 제로를 실현하는 AI 기술
- GTC 세션: 합성 고충실도 시뮬레이션 데이터에서 ML 지원 최적화 및 민감도 추출
- SDK: Modulus
- 웨비나: 코로나19 연구를 위한 개발을 통해 훈련을 지원하는 Clara SDK
- 웨비나: NVIDIA의 날씨 및 기후 모델링을 위한 AI