NVIDIA推出用於科學運算的數位孿生平臺

用於科學運算的加速數位孿生平臺是由用於開發物理機器學習神經網路模型的NVIDIA Modulus人工智慧（AI）框架，以及NVIDIA Omniverse 3D虛擬世界模擬平臺所組成。

該平臺能夠即時建立基於物理學的互動式AI模擬內容，並精準反映現實環境，相較於傳統的工程模擬及設計最佳化工作流程方法，運算流體力學等模擬作業的速度提升10,000倍。與過去的AI模型相比，該平臺讓研究人員能夠以更快的速度與準確度來建立像極端天氣事件等複雜的系統模型。

NVIDIA展現了此技術的兩個應用範例。NVIDIA Four CastNet物理機器學習模型模擬全球的天氣模式，並預測如颶風等極端天氣事件，與傳統數值預測模型相比，其可信度更高且速度亦快上達45,000倍；西門子歌美颯離岸風力再生能源（Siemens Gamesa Renewable Energy）利用AI調整出最佳的風力發電機設計。

NVIDIA加速運算部門副總裁Ian Buck表示，在資料中心規模下使用AI加速運算技術，有機會將效能提升數百萬倍，藉以因應如減緩氣候變遷、發現藥物以及尋找新的可再生能源等各種挑戰。由NVIDIA AI支援並用於科學數位孿生的框架，將協助研究人員找出解決這些巨大挑戰的方法。

NVIDIA Modulus框架將資料與控制物理皆考慮在內，以訓練出一個神經網路，併爲數位孿生打造一個AI代理模型。代理模型可藉由動態和反覆運算的工作流程，即時推論新的系統特性。結合Omniverse後能帶來視覺化和即時互動探索的功能。

最新版本的Modulus框架允許使用傅立葉神經算子（Fourier Neural Operator）進行資料驅動的訓練，讓AI能夠同時解決相關的偏微分方程，其還在機器學習模型里加入天氣和氣候資料，如歐洲中期天氣預報中心（ECMWF）的ERA5資料集。

搭配Modulus框架使用的NVIDIA Omniverse，是一個即時虛擬世界模擬和3D設計協作平臺，其利用Modulus框架輸出的代理模型實現數位孿生的即時視覺化技術與互動探索。

NVIDIA透過傅立葉神經算子與轉換器，使用規模達10TB的地球系統資料來訓練NVIDIA Four CastNet物理機器學習模型。NVIDIA執行長黃仁勳曾說過要在Omniverse中建立地球的數位孿生Earth-2系統，而這個模型便是朝向此目標所邁出的一步，Four CastNet將模擬和預測颶風、大氣河流等極端天氣事件的特性與風險的速度提高達45,000倍，且獲得信賴度更高的結果。

NVIDIA資深開發者、技術科學家和工程師Karthik Kashinath表示，研究人員和決策者透過數位孿生便能與資料進行互動並迅速探索各種假設情況，這對於貴又耗時的傳統建模技術來說幾乎不可能做到。作爲Earth-2的核心，NVIDIA的Four CastNet透過更快且更精準地模擬全球天氣的物理和動態，便能協助開發地球的數位孿生。

採用西門子歌美颯風力發電機的風電場，使用數位孿生平臺模擬研究各種佈局的風力渦輪增壓效果，爲首次使用AI來準確模擬風力發電機位置在各種天氣情況下對其發電表現的影響。預期將最佳化風電場佈局，並較先前的設計產生多達20％的電力。

西門子歌美颯陸域數位產品組合經理Sergio Dominguez表示，西門子歌美颯與NVIDIA的合作代表着我們在像是運算流體力學如此複雜的領域裡，開發最新演算法的運算及部署速度向前邁進一大步，亦爲日後合作關係奠定堅實的基礎。