NVIDIA/physicsnemo
Open-source deep-learning framework for building, training, and fine-tuning deep learning models using state-of-the-art Physics-ML methods
해결하는 문제
PhysicsNeMo는 과학 및 공학을 위한 AI 모델(AI4Science) 개발을 가속화하기 위해 설계된 딥러닝 프레임워크입니다. 물리 지식과 데이터를 결합하여 복잡한 물리 시스템에 대한 고정밀 실시간 예측을 생성하는 과제를 해결하며, 계산 유체 역학(CFD), 구조 역학 및 전자기학 분야의 시뮬레이션 개발 시간을 단축합니다.
작동 방식
PyTorch를 기반으로 구축된 이 프레임워크는 물리 정보 기반 머신러닝 모델을 구축, 학습 및 배포하기 위한 모듈형 컴포넌트 스택을 제공합니다. 다음을 포함합니다:
- Model Zoo: Neural Operators (FNO, DeepONet), Graph Neural Networks (GNNs), Diffusion models 및 Physics-Informed Neural Networks (PINNs)를 포함한 최적화된 아키텍처 컬렉션.
- Data Pipelines: 메쉬 및 포인트 클라우드와 같은 과학적 데이터 구조에 맞게 특별히 조정된 확장 가능한 데이터 파이프.
- Distributed Computing: 단일 GPU에서 멀티 노드 클러스터로 학습을 확장하기 위한
torch.distributed기반의 서브 모듈. - Symbolic PDE Utilities: SymPy를 통해 방정식을 정의하고 자동 공간 미분을 사용하여 물리 정보 기반 손실을 계산하는 도구.
대상 사용자
NVIDIA GPU에서 최적의 성능으로 대규모 물리-ML 모델을 학습시켜야 하는 SciML 연구자, 기후 과학자 및 엔지니어링 도메인 전문가를 대상으로 합니다.
주요 특징
- 원활한 PyTorch 통합: 친숙한 Python 인터페이스를 통해 PyTorch의 보완 도구로 작동합니다.
- GPU 최적화: 학습 속도와 확장성을 극대화하기 위해 NVIDIA GPU에 고도로 최적화되었습니다.
- 확장 가능한 설계: 유연한 배포를 위해 ONNX를 지원하며, 사용자 정의 물리 모델 및 제약 조건을 정의하기 위한 API를 제공합니다.
- 도메인 특화 패키지: CFD 및 날씨/기후 연구(Earth-2 Studio)를 위한 전문 서브 모듈이 포함되어 있습니다.