Simulation de la mécanique des fluides numérique (MFN)
Accélérez vos simulations de MFN avec NVIDIA CUDA-X, NVIDIA Blackwell et la physique d'IA, et créez des jumeaux numériques interactifs en temps réel avec NVIDIA Omniverse.
Charges de travail
Outils et techniques de calcul accéléré
Simulation / Modélisation / Conception
Industries
Aérospatiale
Automobile / Transport
Fabrication
Énergie
industrielle
HPC/Calcul scientifique
Objectifs commerciaux
Innovation
Retour sur investissement
Mise sur le marché plus rapide
Produits
NVIDIA CUDA-X
NVIDIA Omniverse
NVIDIA Data Center/Cloud
NVIDIA RTX GPU
Aperçu
Accélérez l'innovation avec la simulation de MFN
Les outils de simulation de mécanique des fluides numérique (MFN) offrent la capacité d'évaluer rapidement les performances physiques. Cela réduit le besoin de prototypes physiques et permet de gagner du temps et de l'argent dans le processus de conception et de développement pour une large gamme d'industries et de secteurs verticaux.
Les principaux fournisseurs de logiciels tels que Cadence, Siemens, Synopsys, Dassault et bien d'autres utilisent les bibliothèques NVIDIA CUDA-X™, les modèles d'IA-physique, le framework CUDA-X Python et les derniers GPU NVIDIA Blackwell pour multiplier la puissance de calcul de leurs solveurs, ce qui réduit les temps de simulation de plusieurs jours à quelques heures et permet des simulations plus fidèles.
Les professionnels de l'ingénierie assistée par ordinateur (IAO) souhaitent également pouvoir intégrer des résultats en temps réel dans des environnements de jumeaux numériques pour prendre des décisions de conception rapides. Contrairement aux solveurs MFN traditionnels, les modèles de substitution basés sur l'IA et la physique offrent la possibilité d'obtenir des résultats en temps réel, qui peuvent ensuite être validés par des solveurs MFN haute fidélité classiques.
Grâce aux API NVIDIA Omniverse™ pour le rendu NVIDIA RTX™ basé sur la physique, les développeurs de logiciels peuvent créer des rendus entièrement interactifs et basés sur la physique directement dans leurs applications MFN, permettant aux concepteurs et aux fabricants d'interagir avec un jumeau numérique entièrement fidèle à l'ingénierie.
Les développeurs peuvent intégrer NVIDIA Omniverse à des solveurs MFN et des modèles physiques d'IA accélérés par CUDA-X à l'aide de GPU NVIDIA Blackwell pour créer un jumeau numérique en temps réel. Le modèle NVIDIA Omniverse pour la création de jumeaux numériques pour la simulation de fluides est une démonstration interactive sur la façon dont cela peut être réalisé.
Liens rapides
Implémentation technique
Démarrez avec les simulations de MFN en temps réel
Pour commencer à développer un jumeau numérique en temps réel, essayez le modèle NVIDIA Omniverse pour les jumeaux numériques d'ingénierie assistée par ordinateur en temps réel.
Ce modèle présente une architecture de référence pour les jumeaux numériques en temps réel en intégrant des modèles de substitution basés sur l'IA physique (entraînés à l'aide des données de solveurs accélérés CUDA-X) et une visualisation interactive. Le modèle démontre comment connecter des solveurs MFN ou des substituts d'IA à Omniverse via Universal Scene Description (OpenUSD), ce qui permet une visualisation en temps réel des résultats de simulation de MFN. Les développeurs peuvent modulariser les composants, tels que l'échange du modèle PhysicsNeMo contre des modèles d'IA personnalisés, pour adapter leurs workflows à des cas d'utilisation spécifiques.
Architecture pour le modèle de jumeaux numériques en temps réel
Voici quatre fonctionnalités du modèle qui peuvent aider les développeurs à commencer à entraîner et à affiner des modèles physiques d'IA pour des simulations de MFN plus rapides avec les technologies NVIDIA. Ces fonctionnalités peuvent être utilisées dans le cadre du modèle global ou individuellement.
1. Entraînez à partir de zéro ou affinez des modèles de fondation
Le modèle montre comment utiliser un modèle d'IA pré-entraîné de PhysicsNeMo, un framework open source pour entraîner et déployer des modèles de substitution d'IA à l'aide de données de simulation (par exemple, des champs de vitesse et de pression). PhysicsNeMo prend en charge l'entraînement hybride, combinant des jeux de données MFN avec des modèles de fondation pour réduire les délais d'entraînement. Dans ce modèle particulier, il utilise le microservice NVIDIA NIM™ pour le modèle DoMINO pour l'aérodynamique automobile.
2. Créez, entraînez et affinez des modèles physiques d'IA à grande échelle
Les développeurs peuvent utiliser le framework d'IA NVIDIA PhysicsNeMo pour intégrer des équations aux dérivées partielles (EDP) déterminantes, telles que les équations de Navier-Stokes, dans des modèles d'apprentissage automatique tels que les opérateurs neuronaux et les réseaux de neurones (GNN). Le framework s'associe à des solveurs MFN pour générer des jeux de données d'entraînement paramétriques et applique des lois physiques via une différenciation symbolique pendant l'entraînement. Le modèle montre comment PhysicsNeMo s'intègre à Omniverse pour permettre des boucles de rétroaction en temps réel pour les jumeaux numériques, comblant ainsi le fossé entre la simulation et la prise de décision opérationnelle.
3. Accélérez les simulations avec NVIDIA Blackwell
L'architecture NVIDIA Blackwell fournit la puissance de calcul nécessaire pour les simulations de milliards de cellules. La superpuce NVIDIA GB200 Grace™ Blackwell (GB200) intègre NVIDIA NVLink™-C2C pour une communication CPU à GPU à bande passante ultra-élevée. Elle permet aux workflows de MFN de gérer efficacement les échanges de données complexes nécessaires pour la décomposition de domaine et les mises à jour de cellules fantômes à grande échelle. Par exemple, grâce à CUDA-X et NVIDIA Grace Blackwell, Cadence a multiplié par plus de 48 la vitesse d'une simulation LES (Large Eddy Simulation) de 10 milliards de cellules d'un avion complet pendant le décollage et l'atterrissage. L'ensemble de la simulation s'est déroulé sur un seul système NVIDIA GB200-NVL72, effectuant le travail de près de 300 000 cœurs CPU à un coût par simulation 7 fois inférieur.
Les GPU NVIDIA Blackwell tirent également parti de l'interface de passage de message (MPI) compatible avec CUDA® pour optimiser la communication inter-GPU, offrant une mise à l'échelle quasi linéaire, même lorsque la taille des simulations augmente considérablement. Cela se traduit directement par un impact réel. Grâce à NVIDIA Blackwell, les ingénieurs peuvent effectuer des simulations de MFN haute fidélité de bout en bout, ce qui ouvre de nouvelles possibilités en matière d'itération rapide de conception, de jumeaux numériques en temps réel et d'analyse opérationnelle, sans compromettre la précision ou la fiabilité.
4. Intégrez le workflow de bout en bout
Les développeurs peuvent combiner ces technologies en pipelines unifiés, tels que CAO → maillage → solveur MFN accéléré par GPU → substitut à l’IA → visualisation Omniverse. Les principaux éditeurs de logiciels indépendants tels qu'Ansys, Cadence et Siemens offrent aujourd'hui ces capacités à leurs clients. Cette intégration accélère l'obtention d'informations tout en conservant une précision optimale, ce qui permet une exploration rapide des conceptions et une analyse opérationnelle en temps réel, le tout dans un logiciel de simulation de MFN.
Liens rapides
Écosystème de partenaires
Démarrer avec nos partenaires
L'écosystème robuste de développeurs et de fournisseurs de logiciels de NVIDIA intègre des technologies de simulation de MFN à leurs portefeuilles de logiciels, de solutions et de services.
Démarrer
Développez un jumeau numérique pour la simulation interactive des fluides
Découvrez un framework d'application de référence qui accélère les workflows pour les fournisseurs de logiciels d'IAO.
Nouvelles
FAQ
NVIDIA CUDA-X et l'infrastructure d'IA accélèrent les simulations de fluides (MFN, fluides basés sur les particules, etc.) beaucoup plus rapidement et à plus grande échelle en déchargeant les parties numériquement intensives vers des bibliothèques CUDA-X optimisées par GPU au lieu de tout écrire à partir de zéro sur le CPU.
L'IA sert de multiplicateur pour les solveurs traditionnels. En utilisant la physique d'IA, le workflow entraîne des modèles de substitution à l'IA sur les données de solveurs standard de l'industrie. Ces substituts imitent la physique du solveur original, mais fonctionnent beaucoup plus rapidement. Cela permet une exploration et une optimisation massives de l'espace de conception, ce qui serait impossible à réaliser avec les solveurs traditionnels seuls en raison de la charge de calcul trop importante.
Le modèle NVIDIA pour les jumeaux numériques pour la simulation de fluides interactive est un workflow de référence qui permet aux développeurs de créer des jumeaux numériques de physique interactifs en temps réel. Cette solution combine trois technologies de base : les bibliothèques NVIDIA CUDA-X pour les solveurs accélérés, les frameworks de physique d'IA (tels que NVIDIA PhysicsNeMo) pour l'entraînement de modèles d'IA de substitution et les bibliothèques NVIDIA Omniverse pour la visualisation haute fidélité en temps réel. Ce modèle permet aux ingénieurs de visualiser et d'interagir instantanément avec des simulations de dynamique des fluides, plutôt que d'attendre des heures ou des jours pour obtenir des résultats hors ligne.
La MFN traditionnelle est un processus par lots : vous configurez une simulation, attendez que le solveur calcule (souvent pendant des heures), puis analysez les résultats. Le modèle NVIDIA permet l'interactivité en utilisant des modèles de substitution d'IA pour prédire les champs de flux presque instantanément. Cela permet aux ingénieurs de modifier la géométrie ou les conditions aux limites dans une soufflerie virtuelle et d'observer immédiatement les effets aérodynamiques, ce qui facilite l'itération rapide de la conception avant de procéder à la vérification finale à l'aide d'un solveur haute fidélité.
Oui. Le modèle est conçu pour être une architecture de référence ouverte et flexible. Il prend en charge l'intégration avec les principaux solveurs de l'industrie de partenaires tels que Synopsys, Cadence, Siemens et Altair. En outre, il utilise OpenUSD (Universal Scene Description) comme framework de données standard, garantissant ainsi que les données peuvent circuler en toute simplicité entre vos outils de CAO, vos solveurs MFN et l'environnement de visualisation Omniverse, et ce sans conversions de fichiers complexes.
Les bibliothèques NVIDIA Omniverse font passer la visualisation du post-traitement au temps réel. Au lieu de générer des images ou des vidéos statiques à la fin d'une simulation, Omniverse vous permet de visualiser le champ de flux 3D de manière interactive pendant l'exécution de la simulation ou de l'inférence d'IA. Il exploite le ray tracing en temps réel RTX pour rendre des visuels physiquement précis, tels que la fumée, les particules ou les lignes de courant, directement dans le jumeau numérique, ce qui facilite l'interprétation des structures d'écoulement complexes et la collaboration avec les parties prenantes non techniques.