模型/库/框架

借助 NVIDIA Omniverse 蓝图快速构建实时物理数字孪生模型

我们首先使用先进的物理求解器对所有产品进行模拟。实时数字孪生(RTDT)是 计算机辅助工程(CAE) 仿真的前沿,因为它们可以在工程设计循环中提供即时反馈。它们使工程师能够在实时体验模拟中任何变化的影响,从而自由创新并快速探索新设计。航空航天、汽车、电子设计乃至整个制造业对 RTDT 的需求量很大。

但是,从头开始开发 RTDT 可能具有挑战性。物理系统 (例如飞机、汽车和轮船) 的 数字孪生 将各种软件工具 (适用于模拟每个部分的不同工具) 集成到统一的工作流程中。至少,高级物理求解器必须与设计工具和逼真可视化相结合。只有在模拟工作流程的所有部分之间实现近乎零延迟和高性能集成,才能实现实时性能。

适用于物理数字孪生的 NVIDIA Omniverse 蓝图 可帮助独立软件供应商(ISV)克服这一工程挑战。这些蓝图是参考工作流,其中包括 NVIDIA 加速库;物理-AI 框架;以及交互式、基于物理性质的可视化。行业领先的软件开发者,如 Ansys Cadence Siemens 等,可以使用这些蓝图开发 CAE 软件工具,这些工具的速度快了几个数量级,从而在产品开发过程中实现实时可视化和分析。这有助于客户降低开发成本和能耗,同时缩短上市时间。

本文介绍了 Luminary Cloud 作为面向初创公司的 NVIDIA 初创加速计划的成员,如何通过其云原生、GPU 加速的求解器实例化实时计算机辅助工程数字孪生的 Omniverse 蓝图,以实现实时虚拟风洞。这是 NVIDIA Omniverse 蓝图的首批应用之一,它展示了蓝图如何简化创建用于计算流体动力学(CFD)仿真的实时数字孪生,从而推动汽车、飞机、轮船和许多其他产品设计的发展。

借助 NVIDIA 蓝图进行构建 

NVIDIA 蓝图 是由 NVIDIA AI 和 Omniverse 库、SDK 和微服务构建的全面参考工作流。每个蓝图都包括参考代码、部署工具、自定义指南和参考架构,可加速 AI 解决方案(如 AI 代理和数字孪生)从原型到生产的部署。蓝图的一个主要特征是,蓝图中的每个软件组件都可以由开发者修改,或替换为具有类似功能的第三方解决方案。

适用于实时计算机辅助工程(CAE)数字孪生的 NVIDIA Omniverse Blueprint 是 CAE 工作流程的第一个蓝图。它将使用 NVIDIA Omniverse API 渲染的 3D 场景与仿真 AI 相连接,以创建完全交互式的 CAE 工作流程。AI 已针对一些汽车几何图形进行了最低限度的训练,以展示如何创建功能更强大的 AI。用于训练此类 AI 的工具和框架与蓝图捆绑在一起,因此开发者可以轻松导入专有数据。这意味着蓝图是一个完整的软件工作流程,但它必须与商业级软件解决方案集成,以实现功能齐全的实时数字孪生。计算流体动力学(CFD)求解器或 CFD 的 AI 代理模型,或两者都是基于此蓝图构建的 CAE 解决方案的关键组成部分。

Luminary Cloud 将蓝图与其现代 CFD SaaS 平台相结合,实现了交互式虚拟风洞(图 1)。Luminary 的云原生设计与完整的 API 集成,可立即访问功能强大的 CFD 模拟工具,使其成为此蓝图的理想选择。蓝图以 Helm Chart 的形式提供,定义了集成实时数字孪生所有部分的 Kubernetes 应用。

Diagram of the end-to-end workflow for the NVIDIA Omniverse Blueprint for real-time computer-aided engineering digital twin, including icons for training data, foundation model NIM, training network, surrogate model NIM, 3D assets, USD, world state controller, app streaming, and solver app frontend.
图 1. 适用于实时计算机辅助工程数字孪生的 NVIDIA Omniverse Blueprint 的工作流

使用 NVIDIA Modulus 训练 AI 进行仿真 

该蓝图使用 AI 代理模型对流体流动进行实时推理预测。代理使用 NVIDIA Modulus Physics-ML 框架进行训练和部署。借助 Modulus,CAE ISV 可以基于 ISV 应用训练数据训练新的代理模型。代理模型可以从头开始训练,也可以使用基础模型作为起点,以减少训练时间。基于蓝图构建的 ISV 还可以用自己的 AI 模型取代基于 Modulus 的 AI 代理模型。

Luminary Cloud 使用其可压缩流 RANS 求解器针对五个基本几何图形(两辆轿车、一辆卡车、一辆 SUV 和一辆跑车)生成了 AI 训练数据集,并通过修改驾驶高度等参数来按程序生成几何变化。这些几何图形的基本特征也各不相同,例如镜子、尾翼和轮毂。总共执行了 192 次模拟,针对不同的几何变化和流入速度,每种配置的流入速度在 33 英里/小时到 11 英里/小时之间随机变化。

在使用 Luminary Cloud 执行 CFD 模拟后,我们使用 NVIDIA Modulus 在 167 个模拟字段中训练 AI。该模型在剩余的 25 个模拟字段上进行了验证,生成了外部空气动力学的替代模型。当给定表面几何图形和风速时,代理模型会返回体积和表面流场,例如速度、压力和壁面剪切应力。结果存储在系统内存中,而不是写入磁盘,因此可以立即使用 Omniverse API 进行渲染。

使用 Omniverse API 创造世界 

蓝图包括使用 NVIDIA Omniverse API 构建的世界状态控制器。该软件组件连接到仿真 AI,维护应用程序状态,并提供 Omniverse 流端点 ,以将数字孪生连接到 ISV 的前端应用程序。这使用户能够查看和与 ISV 商业软件套件的一部分 — 风洞数字孪生进行交互。

虚拟风洞的世界状态控制器使用 Omniverse Kit SDK 构建,并将 Omniverse Flow RTX Scientific 相结合。Flow 是一种针对烟雾和火焰的欧拉流体模拟,利用稀疏体素网格实现无界模拟域。它支持将点云(包括来自 Modulus 的点云)作为输入来生成速度和压力 NanoVDB 。Flow 使用速度 NanoVDB 传播烟雾。NanoVDB 用于与 RTX Scientific 和 NVIDIA Warp 进行高性能数据交换。

RTX Scientific 利用 NVIDIA IndeX 实现大型体积数据集的交互式可视化和探索。它可以针对各种 GPU 配置进行扩展:从单个 GPU 扩展到多个 GPU,再到多节点 GPU 集群,以实现可扩展的实时可视化以及多值体积数据和嵌入式几何数据的加速计算。IndeX 提供了一系列专为交互式协作分析而设计的工具。例如,团队成员可以轻松更改颜色图,以突出显示数据的细微属性,查看整个时间序列中的横截面,并利用环境光遮蔽和阴影等功能来检查数据的关键组成部分。

部署到云端或本地 

使用 Luminary Cloud 的云原生 CFD 求解器实例化蓝图会生成一对容器,一個用於 AI,另一个用于世界状态控制器。容器配置了 Helm Chart,用于在本地或云原生环境中定义、安装和维护端到端应用。Omniverse 蓝图可部署在所有主流云平台上,包括 NVIDIA DGX Cloud 、Amazon Web Services、Google Cloud Platform、Microsoft Azure 和 Oracle Cloud Infrastructure。

开始使用 

除了 Luminary Scale 之外,NVIDIA 还与 Rescale 合作,将蓝图整合到其 Physics-AI 平台中,为行业软件开发者实现实时数字孪生。适用于实时计算机辅助工程数字孪生的 NVIDIA Omniverse 蓝图 现在可供所有软件提供商访问和调整其本地或云端工作流。有兴趣详细了解用于实时计算机辅助工程的 NVIDIA Omniverse 蓝图的公司也可以 注册抢先体验

 

标签