NVIDIA SimNet^{TM}：一种 AI 加速的多物理场仿真框架
流体动力学
2020-12-16 v1 机器学习
摘要
我们提出 SimNet，一种 AI 驱动的多物理场仿真框架，以加速科学与工程众多学科中的仿真。与传统数值求解器相比，SimNet 解决了广泛的用例——无任何训练数据的耦合正演仿真、反演与数据同化问题。SimNet 通过支持参数化系统表示（可同时求解多种配置，而非传统求解器一次仅求解一种配置）实现了快速周转。SimNet 集成了参数化构造实体几何以及 STL 模块以生成点云。此外，它通过 API 实现可定制，使用户能够扩展几何、物理和网络架构。其具有针对高性能 GPU 计算优化的先进网络架构，并通过加速线性代数以及 FP32、FP64 和 TF32 计算，为多 GPU 和多节点实现提供可扩展性能。本文中，我们回顾了神经网络求解器方法、SimNet 架构，以及有效求解偏微分方程所需的各种特性。我们展示了从具有湍流和复杂 3D 几何的挑战性正演多物理场仿真，到传统求解器无法高效处理的工业设计优化与反问题的真实用例。SimNet 结果与开源及商业求解器的大量对比显示出良好的一致性。
引用
@article{arxiv.2012.07938,
title = {NVIDIA SimNet^{TM}: an AI-accelerated multi-physics simulation framework},
author = {Oliver Hennigh and Susheela Narasimhan and Mohammad Amin Nabian and Akshay Subramaniam and Kaustubh Tangsali and Max Rietmann and Jose del Aguila Ferrandis and Wonmin Byeon and Zhiwei Fang and Sanjay Choudhry},
journal= {arXiv preprint arXiv:2012.07938},
year = {2020}
}