NVIDIA/physicsnemo

해결 과제

NVIDIA PhysicsNeMo는 물리 시스템을 시뮬레이션하는 AI 모델을 구축하고 학습하기 위한 표준화된 PyTorch 네이티브 프레임워크를 제공합니다. 유체 역학, 일기 예보, 구조 역학, 생성 물리와 같은 작업을 위한 재사용 가능한 구성 요소를 제공하여 과학적 머신 러닝의 복잡성을 해결하며, 연구자가 프로토타입에서 확장 가능한 프로덕션 워크플로우로 전환할 수 있도록 지원합니다.

작동 방식

이 프레임워크는 세 가지 계층으로 구성됩니다. 핵심 유틸리티(메쉬 처리, 분산 학습)를 위한 기반 계층, 전문 AI 모델(FNOs, MeshGraphNets, 확산 모델 등)을 위한 빌딩 블록 계층, 그리고 엔드투엔드 학습 레시피를 포함하는 애플리케이션 계층입니다. 고해상도 물리 샘플을 여러 GPU에 분할할 수 있는 도메인 병렬화와 같은 고급 기능을 지원하며, 특정 계층이나 연산자를 기존 PyTorch 프로젝트에 통합할 수 있도록 구성 가능하게 설계되었습니다.

대상 사용자

전산 유체 역학(CFD), 기후 모델링, 지구 물리학, 제조 분야에서 복잡한 물리 시뮬레이션을 위한 고성능 대리 모델을 구축해야 하는 과학자, 엔지니어 및 AI 연구자를 위해 설계되었습니다.

주요 특징

• 과학 데이터 지원: 정규 그리드, 비정형 메쉬, 그래프, 포인트 클라우드를 포함한 다양한 데이터 구조를 기본적으로 처리합니다.
• 확장 가능한 학습: 대규모 과학 데이터 세트를 처리하기 위한 분산 학습 및 도메인 병렬화(ShardTensor를 통한)를 내장 지원합니다.
• 광범위한 모델 라이브러리: FNO, MeshGraphNet, Transolver 및 다양한 확산 기반 생성 모델과 같은 최첨단 아키텍처 구현이 포함되어 있습니다.
• 엔드투엔드 레시피: 공기 역학 설계, 지역 일기 예보, 구조 충돌 역학과 같은 실제 애플리케이션을 위한 즉시 사용 가능한 워크플로우를 제공합니다.