新聞中心

借助 NVIDIA Omniverse 藍圖快速構建實時物理數字孿生模型 NEWS DETAIL

當前位置:首頁 > 新聞中心
資訊分類 · 新聞中心 發佈時間 · 2025-01-20

我們首先使用先進的物理求解器對所有產品進行模擬。實時數字孿生(RTDT)是 計算機輔助工程(CAE) 仿真的前沿,因為它們可以在工程設計循環中提供即時反饋。它們使工程師能夠在實時體驗模擬中任何變化的影響,從而自由創新並快速探索新設計。航空航天、汽車、電子設計乃至整個製造業對 RTDT 的需求量很大。

但是,從頭開始開發 RTDT 可能具有挑戰性。物理系統 (例如飛機、汽車和輪船) 的 數字孿生 將各種軟體工具 (適用於模擬每個部分的不同工具) 集成到統一的工作流程中。至少,高級物理求解器必須與設計工具和逼真可視化相結合。只有在模擬工作流程的所有部分之間實現近乎零延遲和高性能集成,才能實現實時性能。

適用於物理數字孿生的 NVIDIA Omniverse 藍圖 可幫助獨立軟體供應商(ISV)克服這一工程挑戰。這些藍圖是參考工作流,其中包括 NVIDIA 加速庫;物理-AI 框架;以及交互式、基於物理性質的可視化。行業領先的軟體開發者,如 Ansys  Cadence  Siemens 等,可以使用這些藍圖開發 CAE 軟體工具,這些工具的速度快了幾個數量級,從而在產品開發過程中實現實時可視化和分析。這有助於客戶降低開發成本和能耗,同時縮短上市時間。

本文介紹了 Luminary Cloud 作為面向初創公司的 NVIDIA 初創加速計劃的成員,如何通過其雲原生、GPU 加速的求解器實例化實時計算機輔助工程數字孿生的 Omniverse 藍圖,以實現實時虛擬風洞。這是 NVIDIA Omniverse 藍圖的首批應用之一,它展示了藍圖如何簡化創建用於計算流體動力學(CFD)仿真的實時數字孿生,從而推動汽車、飛機、輪船和許多其他產品設計的發展。



借助 NVIDIA 藍圖進行構建 

NVIDIA 藍圖 是由 NVIDIA AI 和 Omniverse 庫、SDK 和微服務構建的全面參考工作流。每個藍圖都包括參考代碼、部署工具、自定義指南和參考架構,可加速 AI 解決方案(如 AI 代理和數字孿生)從原型到生產的部署。藍圖的一個主要特徵是,藍圖中的每個軟體組件都可以由開發者修改,或替換為具有類似功能的第三方解決方案。

適用於實時計算機輔助工程(CAE)數字孿生的 NVIDIA Omniverse Blueprint 是 CAE 工作流程的第一個藍圖。它將使用 NVIDIA Omniverse API 渲染的 3D 場景與仿真 AI 相連接,以創建完全交互式的 CAE 工作流程。AI 已針對一些汽車幾何圖形進行了最低限度的訓練,以展示如何創建功能更強大的 AI。

用於訓練此類 AI 的工具和框架與藍圖捆綁在一起,因此開發者可以輕鬆導入專有資料。這意味著藍圖是一個完整的軟體工作流程,但它必須與商業級軟體解決方案集成,以實現功能齊全的實時數字孿生。計算流體動力學(CFD)求解器或 CFD 的 AI 代理模型,或兩者都是基於此藍圖構建的 CAE 解決方案的關鍵組成部分。

Luminary Cloud 將藍圖與其現代 CFD SaaS 平台相結合,實現了交互式虛擬風洞(圖 1)。Luminary 的雲原生設計與完整的 API 集成,可立即訪問功能強大的 CFD 模擬工具,使其成為此藍圖的理想選擇。藍圖以 Helm Chart 的形式提供,定義了集成實時數字孿生所有部分的 Kubernetes 應用。


Diagram of the end-to-end workflow for the NVIDIA Omniverse Blueprint for real-time computer-aided engineering digital twin, including icons for training data, foundation model NIM, training network, surrogate model NIM, 3D assets, USD, world state controller, app streaming, and solver app frontend.

圖 1. 適用於實時計算機輔助工程數字孿生的 NVIDIA Omniverse Blueprint 的工作流



使用 NVIDIA Modulus 訓練 AI 進行仿真 

該藍圖使用 AI 代理模型對流體流動進行實時推理預測。代理使用 NVIDIA Modulus Physics-ML 框架進行訓練和部署。借助 Modulus,CAE ISV 可以基於 ISV 應用訓練資料訓練新的代理模型。代理模型可以從頭開始訓練,也可以使用基礎模型作為起點,以減少訓練時間。基於藍圖構建的 ISV 還可以用自己的 AI 模型取代基於 Modulus 的 AI 代理模型。

Luminary Cloud 使用其可壓縮流 RANS 求解器針對五個基本幾何圖形(兩輛轎車、一輛卡車、一輛 SUV 和一輛跑車)生成了 AI 訓練資料集,並通過修改駕駛高度等參數來按程序生成幾何變化。這些幾何圖形的基本特徵也各不相同,例如鏡子、尾翼和輪轂。總共執行了 192 次模擬,針對不同的幾何變化和流入速度,每種配置的流入速度在 33 英里/小時到 11 英里/小時之間隨機變化。

在使用 Luminary Cloud 執行 CFD 模擬後,我們使用 NVIDIA Modulus 在 167 個模擬字段中訓練 AI。該模型在剩餘的 25 個模擬字段上進行了驗證,生成了外部空氣動力學的替代模型。當給定表面幾何圖形和風速時,代理模型會返回體積和表面流場,例如速度、壓力和壁面剪切應力。結果儲存在系統內存中,而不是寫入磁盤,因此可以立即使用 Omniverse API 進行渲染。

使用 Omniverse API 創造世界 

藍圖包括使用 NVIDIA Omniverse API 構建的世界狀態控制器。該軟體組件連接到仿真 AI,維護應用程序狀態,並提供 Omniverse 流端點 ,以將數字孿生連接到 ISV 的前端應用程序。這使用戶能夠查看和與 ISV 商業軟體套件的一部分 — 風洞數字孿生進行交互。

虛擬風洞的世界狀態控制器使用 Omniverse Kit SDK 構建,並將 Omniverse Flow 與 RTX Scientific 相結合。Flow 是一種針對煙霧和火焰的歐拉流體模擬,利用稀疏體素網格實現無界模擬域。它支援將點雲(包括來自 Modulus 的點雲)作為輸入來生成速度和壓力 NanoVDB 。Flow 使用速度 NanoVDB 傳播煙霧。NanoVDB 用於與 RTX Scientific 和 NVIDIA Warp 進行高性能資料交換。

RTX Scientific 利用 NVIDIA IndeX 實現大型體積資料集的交互式可視化和探索。它可以針對各種 GPU 配置進行擴展:從單個 GPU 擴展到多個 GPU,再到多節點 GPU 集群,以實現可擴展的實時可視化以及多值體積資料和嵌入式幾何資料的加速計算。IndeX 提供了一系列專為交互式協作分析而設計的工具。例如,團隊成員可以輕鬆更改顏色圖,以突出顯示資料的細微屬性,查看整個時間序列中的橫截面,並利用環境光遮蔽和陰影等功能來檢查資料的關鍵組成部分。

部署到雲端或本地 

使用 Luminary Cloud 的雲原生 CFD 求解器實例化藍圖會生成一對容器,一個用於 AI,另一個用於世界狀態控制器。容器配置了 Helm Chart,用於在本地或雲原生環境中定義、安裝和維護端到端應用。Omniverse 藍圖可部署在所有主流雲平台上,包括 NVIDIA DGX Cloud 、Amazon Web Services、Google Cloud Platform、Microsoft Azure 和 Oracle Cloud Infrastructure。