NVIDIA/physicsnemo

해결하는 문제

PhysicsNeMo는 물리 기계학습(Physics ML) 및 과학 기계학습(SciML)을 위한 표준화된 PyTorch 프레임워크를 제공합니다. 과학 및 공학 분야에서 AI 모델을 구축하고 훈련하며 확장하는 어려움을 해결하기 위해, 복잡한 물리적 도메인에 대한 재사용 가능한 구성 요소와 엔드투엔드 훈련 레시피를 제공합니다.

작동 방식

PhysicsNeMo는 PyTorch 네이티브 라이브러리로 구축되어 있으며, 사용자가 기존 워크플로우에 과학적 레이어, 수치 연산자, 데이터 변환을 통합할 수 있도록 합니다. 정규 그리드, 메시, 포인트 클라우드, 그래프 등 다양한 과학적 데이터 표현을 지원합니다. 고해상도 샘플을 처리하기 위해 표준 PyTorch 분산 훈련(DDP 및 FSDP2)과 함께 ShardTensor 도메인 병렬성을 활용합니다.

대상 사용자

항공역학, 기상 예측, 구조역학, 지구물리학, 헬스케어(예: 심혈관계 흐름), 적층 제조 등 물리 시스템에 대한 AI 서rogate 모델 또는 생성 모델을 구축해야 하는 연구자 및 엔지니어를 위한 것입니다.

주요 특징

• 광범위한 모델 지원: 정규 그리드, 메시, 포인트 클라우드, 그래프 등 다양한 데이터 표현을 위한 FNO, MeshGraphNet, Transolver, GraphCast 등 다양한 모델 패밀리를 포함합니다.
• 도메인 전용 레시피: 외부 공기역학, 지역 기상 확산, 차량 충돌 역학과 같은 작업을 위한 즉시 사용 가능한 워크플로우를 제공합니다.
• 과학적 데이터 처리: 구조화 및 비구조화 이산화를 네이티브로 지원하여 데이터의 물리적 구조를 유지합니다.
• 생성 기능: 역물리 및 토폴로지 최적화를 위한 확산 툴킷을 포함합니다.