Nền tảng đôi kỹ thuật số cho tuabin gió

Nvidia, với Siemens Gamesa là nhà phát triển chính đã ra mắt một nền tảng để tạo ra cặp song sinh kỹ thuật số khoa học giúp đẩy nhanh các mô hình học máy vật lý.  Nền tảng cặp song sinh kỹ thuật số tăng tốc bao gồm khung AI Modulus để phát triển các mô hình mạng thần kinh vật lý-ML và thế giới ảo Omniverse 3D.

Nvidia, với Siemens Gamesa là nhà phát triển chính đã ra mắt một nền tảng để tạo ra cặp song sinh kỹ thuật số khoa học giúp đẩy nhanh các mô hình học máy vật lý.
Nền tảng cặp song sinh kỹ thuật số tăng tốc bao gồm khung AI Modulus để phát triển các mô hình mạng thần kinh vật lý-ML và nền tảng mô phỏng thế giới ảo Omniverse 3D.

Nền tảng này có thể tạo ra các mô phỏng AI tương tác trong thời gian thực thực tế hơn với các công cụ vật lý để phản ánh chính xác thế giới thực, tăng tốc các mô phỏng như động lực học chất lỏng tính toán nhanh hơn tới 10.000 lần so với các phương pháp truyền thống để mô phỏng kỹ thuật và quy trình tối ưu hóa thiết kế. Điều này cho phép các nhà nghiên cứu, mô hình hóa các hệ thống phức tạp như các sự kiện thời tiết khắc nghiệt với tốc độ và độ chính xác cao hơn các mô hình AI trước đó.

Siemens Gamesa Renewable Energy đang sử dụng các mô hình AI để mô hình hóa chính xác các tác động của vị trí tuabin đối với hiệu suất của chúng trong nhiều tình huống thời tiết khác nhau. Điều này dự kiến sẽ dẫn đến bố trí công viên gió tối ưu hóa có khả năng sản xuất năng lượng nhiều hơn tới 20% so với các thiết kế trước đó.

"Sự hợp tác giữa Siemens Gamesa và Nvidia là một bước tiến lớn trong việc tăng tốc cả tốc độ tính toán và tốc độ triển khai phát triển các thuật toán mới nhất của chúng tôi trong một lĩnh vực phức tạp như động lực học chất lỏng tính toán và đặt nền tảng cho mối quan hệ đối tác mạnh mẽ trong tương lai", Sergio Dominguez - Giám đốc danh mục đầu tư kỹ thuật số trên bờ tại Siemens Gamesa cho biết.

Hay mô hình Vật lý-ML FourCastNet nhằm mô phỏng các mô hình thời tiết toàn cầu và dự đoán các sự kiện thời tiết khắc nghiệt như bão, với sự tự tin cao hơn và nhanh hơn tới 45.000 lần so với các mô hình dự đoán số truyền thống.

Điều này được đào tạo trên 10Tbyte niên đại từ các quan sát Trái đất và là một phần của dự án của Nvidia để xây dựng một cặp song sinh kỹ thuật số của Trái đất ở Omniverse.
"Điện toán tăng tốc với AI ở quy mô trung tâm dữ liệu có tiềm năng tăng gấp triệu lần hiệu suất để giải quyết các thách thức, chẳng hạn như giảm thiểu biến đổi khí hậu, khám phá thuốc và tìm kiếm các nguồn năng lượng tái tạo mới", Ian Buck - Phó Chủ tịch của Accelerated Computing tại Nvidia cho biết. 

"Khuôn khổ hỗ trợ AI cho cặp song sinh kỹ thuật số khoa học trang bị cho các nhà nghiên cứu để theo đuổi các giải pháp cho những vấn đề lớn này", Phó Chủ tịch Ian Buck chia sẻ thêm.

Modulus cũng tính đến cả dữ liệu và vật lý quản trị để đào tạo một mạng lưới thần kinh tạo ra một mô hình thay thế AI cho cặp song sinh kỹ thuật số, từ đó có thể suy ra hành vi hệ thống mới trong thời gian thực, cho phép quy trình làm việc năng động và lặp lại. Đồng thời, Modulus còn tích hợp với Omniverse mang lại hình ảnh trực quan và khám phá tương tác thời gian thực.

Bản phát hành mới nhất của Modulus cho phép đào tạo dựa trên dữ liệu bằng cách sử dụng toán tử thần kinh Fourier - một khuôn khổ cho phép AI giải quyết các phương trình vi phân một phần liên quan cùng một lúc. Nó cũng tích hợp các mô hình ML với dữ liệu thời tiết và khí hậu, chẳng hạn như bộ dữ liệu ERA5 từ Trung tâm dự báo thời tiết tầm trung châu Âu.

"Cặp song sinh kỹ thuật số cho phép các nhà nghiên cứu và người ra quyết định tương tác với dữ liệu và nhanh chóng khám phá các kịch bản nếu có, điều này gần như không thể với các kỹ thuật mô hình hóa truyền thống vì chúng tốn kém và tốn thời gian", Karthik Kashinath - Nhà khoa học và kỹ sư công nghệ phát triển cao cấp tại Nvidia cho biết. 

"Trung tâm trái đất-2, FourCastNet cho phép phát triển cặp song sinh kỹ thuật số của Trái đất bằng cách mô phỏng vật lý và động lực học của thời tiết toàn cầu nhanh hơn và chính xác hơn."