隨著 AI 的不斷發展與成熟，科學家們開始借助 AI 來進行數據的分析和處理工作。憑借強大的學習和推理能力，AI 可以從大量數據中發現有用的信息和規律，將科學家從數據收集、實驗操作等繁瑣、重復的工作中解放出來，加速科學研究的進程。同時，AI 與科學研究的結合，也能夠促進不同學科之間的交叉融合，從而發現更多新的研究領域和方向。AI for Science已成為一種新的科研范式。
為了加速 AI for Science 的發展，NVIDIA 推出 Modulus 開源框架。Modulus 以控制偏微分方程 (PDE) 形式將物理學的力量與數據相結合，以構建具有近乎實時延遲的高保真參數替代模型，可應用于計算流體力學、氣象預報、超分辨率、生命科學、分子動力學等不同領域。
1月19日14點，NVIDIA 聯合智猩猩策劃推出「NVIDIA AI for Science 科研新范式在線研討會」，由浙江大學能源工程學院博士后劉凱、NVIDIA 解決方案架構師戴志翔共同主講。
主題介紹
浙江大學能源工程學院博士后劉凱：面向能源裝備快速仿真設計的高維參數化燃燒場代理建模方法
在應對日益嚴峻的氣候變化和能源緊缺的背景下，迫切需要開發和部署新型高效低碳能源利用基礎設施，這對于能源裝備設計研發過程中計算流體力學（CFD）仿真的可靠性和成本效益提出了更高要求。燃燒室作為燃氣輪機發電系統中能量轉化的核心組件，需要對其各項幾何和工況參數進行精細化設計才能保證燃機整體系統的清潔高效生產。雖然現有湍流燃燒 CFD 數值模擬方法已經成熟，但如何在有限的產品研發周期內高效全面地篩選出最優化的設計參數組合仍然面臨巨大挑戰。因此，我們基于英偉達 Modulus 機器學習平臺構建了一套物理驅動的參數化燃燒場仿真設計框架，無需提供任何訓練數據，僅通過一次無監督神經網絡訓練即可獲取能夠即時求解設計空間內任何參數組合情況下的完整物理場信息。仿真計算流程相比傳統數值模擬平行工況計算在同等算力下的求解效率可達數千倍加速。
本次研討會，將以甲烷-空氣預混燃燒室簡化模型為例，詳細介紹參數化AI模型的設計思路，并將仿真結果與傳統數值軟件 OpenFOAM 進行對比，以驗證模型的準確性。并在此基礎上，對不同的設計參數進行敏感性分析。在報告的最后，將展示 AI 參數化仿真設計方法帶來的加速效果。
NVIDIA 解決方案架構師戴志翔：NVIDIA Modulus 加速 AI for Science
AI for Science 已經成為前沿熱點研究問題，旨在通過人工智能來加速氣象、能源、材料和生命科學等領域的發展。為加速 AI for Science 的發展，NVIDIA 推出 Modulus 開源框架，使用物理控制方程（PDE）、模擬數據和觀測數據來構造數字孿生模型。NVIDIA Modulus 引入先進 AI 模型（例如 PINNs，Neural Operator，GNN，Diffusion Model 等），支持參數化設計與 GPU 多節點線性擴展。無論是缺乏 AI 專業知識的人士還是開發者，NVIDIA 都能為眾多行業快速增長的 AI 需求提供有力支持，可廣泛應用于 CFD、傳熱、固體、電磁波、地震波、氣象預報、超分辨率，生命科學，分子動力學等領域。
本次研討會，將介紹 Modulus 中的 AI 模型，使用方法和優勢，并重點介紹 Modulus 的應用案例，包括使用 PINO (PINN + FNO)進行油藏模擬 ，使用 Residual Diffusion 模型對氣象數據進行超分辨率研究，使用 AeroGraphNet 進行汽車空氣動力學仿真等。
報名方式
對此次研討會感興趣的朋友，可以掃描上方海報底部二維碼，添加小助手瑞秋進行報名。已添加過瑞秋的老朋友，可以給瑞秋私信，發送“NVIDIA2401”即可報名。
同時，為了方便大家交流和咨詢，研討會還設置了交流群，希望加入的朋友，也可以聯系瑞秋進行申請。
