Computational Fluid Dynamics (CFD)-Simulation
Beschleunigen Sie Ihre CFD-Simulationen mit NVIDIA CUDA-X, NVIDIA Blackwell und KI-Physik und erstellen Sie in Echtzeit interaktive digitale Zwillinge mit NVIDIA Omniverse.
Workloads
Beschleunigte Computing-Tools und -Techniken
Simulation/Modellierung/Design
Branchen
Luft- und Raumfahrt
Automobilindustrie/Transport
Fertigung
Industrie
Energie
HPC/Wissenschaftliches Computing
Geschäftsziel
Innovation
Return on Investment
Schnellere Markteinführung
Produkte
NVIDIA CUDA-X
NVIDIA Omniverse
NVIDIA Rechenzentrum/Cloud
NVIDIA RTX-GPUs
Überblick
Beschleunigen Sie Innovationen mit CFD-Simulation
Simulations-Tools für die rechnergestützte Strömungsdynamik (CFD) bieten die Möglichkeit, die physische Leistung schnell zu bewerten. Dies reduziert den Bedarf an physischen Prototypen und spart sowohl Zeit als auch Kosten im Design- und Entwicklungsprozess für eine Vielzahl von Branchen und vertikalen Märkten.
Führende Softwareanbieter wie Cadence, Siemens, Synopsys, Dassault und andere nutzen NVIDIA CUDA-X™-Bibliotheken, KI-Physikmodelle, das CUDA-X Python-Framework und die neuesten NVIDIA Blackwell-GPUs, um ihre Solver um Größenordnungen zu beschleunigen, die Simulationszeiten von Tagen auf Stunden zu verkürzen und Simulationen mit höherer Wiedergabetreue zu ermöglichen.
Fachleute im Bereich computergestütztes Engineering (CAE) möchten außerdem die Möglichkeit haben, Echtzeit-Ergebnisse in Umgebungen für digitale Zwillinge zu integrieren, um schnelle Designentscheidungen treffen zu können. Im Gegensatz zu herkömmlichen CFD-Lösern bieten KI-Physik-Surrogatmodelle die Möglichkeit, Echtzeit-Ergebnisse zu erhalten, die später von herkömmlichen hochpräzisen CFD-Lösern validiert werden können.
Mit den NVIDIA Omniverse-APIs für physikalisch basiertes NVIDIA RTX-Rendering können Softwareentwickler vollständig interaktives, physikalisches Rendering direkt in ihren CFD-Anwendungen erstellen. Dadurch können Designer und Hersteller mit einem vollständig technisch genauen digitalen Zwilling interagieren.
Entwickler können NVIDIA Omniverse in CUDA-X-beschleunigte CFD-Löser und KI-Physikmodelle mithilfe von NVIDIA Blackwell-GPUs integrieren, um einen digitalen Zwilling in Echtzeit zu erstellen. Der NVIDIA Omniverse Blueprint für die Erstellung digitaler Zwillinge für die Flüssigkeitssimulation zeigt auf interaktive Weise, wie dies möglich ist.
Quick-Links
Technische Umsetzung
Erste Schritte mit Echtzeit-CFD-Simulationen
Um mit der Entwicklung eines Echtzeit-Digital-Twins zu beginnen, testen Sie den NVIDIA Omniverse Blueprint für Computer-gestützte Engineering Digital Twins in Echtzeit.
Dieser Blueprint demonstriert eine Referenzarchitektur für digitale Zwillinge in Echtzeit durch die Integration von KI-Physik-Surrogaten (die mithilfe von Daten aus beschleunigten CUDA-X-Lösern trainiert wurden) und interaktiver Visualisierung. Der Blueprint zeigt, wie CFD-Löser oder KI-Surrogate über Universal Scene Description (OpenUSD) mit Omniverse verbunden werden können, was eine Echtzeit-Visualisierung der CFD-Simulationsergebnisse ermöglicht. Entwickler können Komponenten modularisieren, z. B. das PhysicsNeMo-Modell gegen benutzerdefinierte KI-Modelle eintauschen, um Workflows auf bestimmte Anwendungsfälle anzupassen.
Architektur für den Blueprint für digitale Zwillinge in Echtzeit
Hier sind vier Funktionen des Blueprints, die Entwicklern dabei helfen, mit dem Training und der Feinabstimmung von KI-Physikmodellen für schnellere CFD-Simulationen mit NVIDIA-Technologien zu beginnen. Diese Funktionen können als Teil des Gesamt-Blueprints oder einzeln verwendet werden.
1. Foundation-Modelle von Grund auf trainieren oder optimieren
Der Blueprint zeigt, wie ein vortrainiertes KI-Modell von PhysicsNeMo verwendet wird – einem Open-Source-Framework für das Training und die Bereitstellung von KI-Ersatzmodellen mithilfe von Simulationsdaten (z. B. Geschwindigkeit und Druckfeldern). PhysicsNeMo unterstützt hybrides Training und kombiniert CFD-Datensätze mit grundlegenden Modellen, um die Trainingszeit zu reduzieren. In diesem speziellen Blueprint wird der NVIDIA NIM™-Microservice für das DoMINO-Modell für die Aerodynamik in der Automobilindustrie genutzt.
2. KI-Physikmodelle in großem Maßstab erstellen, trainieren und optimieren
Entwickler können das NVIDIA PhysicsNeMo KI-Framework nutzen, um die steuernden partiellen Differentialgleichungen (PDEs), wie beispielsweise Navier-Stokes, in Modelle für maschinelles Lernen wie neuronale Operatoren und neuronale Graphnetzwerke (GNNs) einzubetten. Das Framework wird mit CFD-Lösern kombiniert, um parametrische Trainingsdatensätze zu generieren, und setzt physikalische Gesetze durch symbolische Differenzierung während des Trainings durch. Der Blueprint zeigt, wie PhysicsNeMo in Omniverse integriert werden kann, um Echtzeit-Feedbackschleifen für digitale Zwillinge zu ermöglichen und die Simulation und die betriebliche Entscheidungsfindung zu verbinden.
3. Beschleunigen Sie Simulationen mit NVIDIA Blackwell
Die NVIDIA Blackwell-Architektur bietet die erforderliche Rechenleistung für Simulationen mit Milliarden Zellen. Der NVIDIA GB200 Grace™ Blackwell Superchip (GB200) verfügt über NVIDIA NVLink™-C2C für die CPU-zu-GPU-Kommunikation mit extrem hoher Bandbreite. Er ermöglicht CFD-Workflows, den komplexen Datenaustausch effizient zu verwalten, der für die groß angelegte Domänenzerlegung und die Aktualisierung von Ghost-Zellen erforderlich ist. Mit CUDA-X und NVIDIA Grace Blackwell erzielte Cadence beispielsweise eine über 48-fache Beschleunigung in einer 10-Milliarden-Zellen-Large-Eddy-Simulation (LES) eines vollständigen Flugzeugs während des Starts und der Landung. Die gesamte Simulation wurde auf einem einzigen NVIDIA GB200-NVL72-System ausgeführt und erledigte die Arbeit von fast 300.000 CPU-Kernen zu 7-mal geringeren Kosten pro Simulation.
NVIDIA Blackwell-GPUs nutzen außerdem die Vorteile des CUDA®-fähigen Message Passing Interface (MPI), um die Kommunikation zwischen den GPUs zu optimieren und eine nahezu lineare Skalierung zu ermöglichen, selbst wenn die Simulationsgrößen stark wachsen. Dies schlägt sich direkt in der Praxis nieder. Mit NVIDIA Blackwell können Ingenieure hochpräzise End-to-End-CFD-Simulationen durchführen und so neue Möglichkeiten für schnelle Design-Iterationen, digitale Zwillinge in Echtzeit und Betriebsanalysen erschließen, ohne dass die Genauigkeit oder Zuverlässigkeit beeinträchtigt wird.
4. Integrieren Sie den End-to-End-Workflow
Entwickler können diese Technologien in einheitlichen Pipelines kombinieren, z. B. CAD → Meshing → GPU-beschleunigte CFD-Lösung → KI-Ersatz → Omniverse-Visualisierung. Führende ISVs wie Ansys, Cadence und Siemens bieten diese Funktionen bereits heute ihren Kunden an. Diese Integration beschleunigt die Zeit bis zur Gewinnung von Erkenntnissen bei gleichzeitiger Aufrechterhaltung der Goldstandardgenauigkeit und ermöglicht eine schnelle Konstruktionsuntersuchung und Betriebsanalysen in Echtzeit – und das alles innerhalb einer CFD-Simulationssoftware.
Quick-Links
Partnernetzwerk
Erste Schritte mit unseren Partnern
Das robuste Ökosystem von NVIDIA aus Entwicklern und Softwareanbietern integriert CFD-Simulationstechnologien in ihre Software-, Lösungs- und Serviceportfolios.
Erste Schritte
Realisierung eines digitalen Zwillings für interaktive Flüssigkeitssimulation
Entdecken Sie ein Referenz-Anwendungsframework, das Workflows für CAE-Softwareanbieter beschleunigt.
Aktuelles
FAQs
NVIDIA CUDA-X und die KI-Infrastruktur beschleunigen Flüssigkeitssimulationen (CFD, partikelbasierte Flüssigkeiten usw.) viel schneller und in größerem Maßstab, indem die numerisch intensiven Teile in GPU-optimierte CUDA-X-Bibliotheken ausgelagert werden, anstatt alles von Grund auf auf der CPU zu schreiben.
KI dient als Kraftverstärker für herkömmliche Löser. Durch den Einsatz von KI-Physik trainiert der Workflow KI-Surrogatmodelle mit Daten aus branchenüblichen Lösern. Diese Surrogate ahmen die Physik des ursprünglichen Lösers nach, laufen jedoch um Größenordnungen schneller. Dies ermöglicht eine umfassende Erforschung und Optimierung des Entwurfsraums, die allein mit herkömmlichen Lösern rechentechnisch nicht möglich wäre.
Der NVIDIA Blueprint für digitale Zwillinge für interaktive Flüssigkeitssimulation ist ein Referenz-Workflow, mit dem Entwickler interaktive digitale Physik-Zwillinge in Echtzeit erstellen können. Es kombiniert drei Kerntechnologien: NVIDIA CUDA-X-Bibliotheken für beschleunigte Löser, KI-Physik-Frameworks (wie NVIDIA PhysicsNeMo) für das Training von KI-Ersatzmodellen und NVIDIA Omniverse-Bibliotheken für hochpräzise Visualisierung in Echtzeit. Dieser Blueprint ermöglicht es Ingenieuren, Strömungssimulationen sofort zu visualisieren und mit ihnen zu interagieren, anstatt stunden- oder tagelang auf Offline-Ergebnisse zu warten.
Herkömmliches CFD ist ein Batchprozess: Sie richten eine Simulation ein, warten auf die Berechnung des Lösers (häufig stundenlang) und analysieren dann die Ergebnisse. Der NVIDIA Blueprint ermöglicht Interaktivität durch den Einsatz von KI-Ersatzmodellen, um Strömungsfelder nahezu sofort vorherzusagen. Dadurch können Ingenieure die Geometrie oder Randbedingungen in einem virtuellen Windkanal ändern und die aerodynamischen Auswirkungen sofort sehen, was schnelle Design-Iterationen ermöglicht, bevor die endgültige Überprüfung mit einem hochpräzisen Löser durchgeführt wird.
Ja. Der Blueprint wurde als offene und flexible Referenzarchitektur entwickelt. Es unterstützt die Integration mit führenden Branchen-Solvern von Partnern wie Synopsys, Cadence, Siemens und Altair. Darüber hinaus verwendet es OpenUSD (Universal Scene Description) als Standard-Datenframework, um sicherzustellen, dass Daten ohne komplexe Dateikonvertierungen nahtlos zwischen Ihren CAD-Tools, CFD-Solvern und der Omniverse-Visualisierungsumgebung fließen können.
NVIDIA Omniverse-Bibliotheken verlagern die Visualisierung vom Post-Processing in die Echtzeit. Anstatt nach Abschluss einer Simulation statische Bilder oder Videos zu generieren, können Sie das 3D-Flussfeld interaktiv anzeigen, während die Simulation oder KI-Inferenz ausgeführt wird. Es nutzt RTX-Echtzeit-Raytracing, um physikalisch genaue Grafiken – wie Rauch, Partikel oder Flusslinien – direkt innerhalb des digitalen Zwillings zu rendern. Dies erleichtert die Interpretation komplexer Strömungsstrukturen und die Zusammenarbeit mit nichttechnischen Beteiligten.