최근 NGC에 NVIDIA Modulus v22.07 버전이 올라왔습니다. NVIDIA Modulus는 머신 러닝(ML), 물리학, 편미분 방정식(PDE)을 조화롭게 결합한 신경망(NN) 프레임워크입니다. 최신 버전인 v22.07의 주요 개선 사항은 다음과 같습니다.
CUDA 그래프 및 Tiny Cuda NN 네트워크를 활용하는 Meshless Finite Differentiation과 같은 성능 향상
지도 스타일 데이터 세트 지원, 연속 및 테셀레이션된 지오메트리에 대한 개선된 포인트 클라우드 샘플링과 같은 사용성 향상
일반화된 DeepOnet 및 FourCastNet 지원
NVIDIA Modulus를 활용하면 AI 지식이 많이 없더라도 디지털 트윈 환경을 위한 AI 및 물리학 기반 시뮬레이션을 수행할 수 있습니다. AI 노하우가 없어도 물리학과 ML의 이점을 결합하여 디지털 트윈 구축에 필요한 시뮬레이션 관련 도전 과제를 해결할 수 있다는 소리죠.
AI 기반 시뮬레이션을 위한 신경망 프레임워크인 NVIDIA Modulus는 진입 장벽이 낮습니다. NVIDIA Modulus는 사용자 정의가 가능하며 다양한 시뮬레이션 구현을 위한 API를 제공합니다. 따라서 AI 기반 디지털 트윈 애플리케이션 개발을 더욱 생산적으로 할 수 있습니다. 사용자 정의의 경우 NVIDIA Modulus는 YAML 파일로 구성 파일을 만들 수 있습니다.
NVIDIA Modulus는 스스로 배우기도 좋습니다. NVIDIA는 전산 유체 역학, 열전달 등을 시작하기 위한 단계별 자습서를 제공합니다. 또한, 난류 모델링, 과도 파동 방정식, Navier-Stokes 방정식, 전자기학에 대한 Maxwell 방정식, 역 문제 및 기타 다중 물리학 문제와 같은 응용 분야 도메인에 대한 구현도 제공합니다. 이 밖에도 NVIDIA Modulus는 관찰 또는 시뮬레이션 된 데이터 관리에 도움을 주는 데이터 준비 모듈도 제공합니다.
NGC에서 NVIDIA Modulus를 받은 다음 이를 적용할 때 보통 다음과 같은 워크플로우를 따릅니다.
Modulus 기본 데코레이터를 사용하여 Hydra를 초기화하여 구성 YAML을 읽습니다.
필요한 경우 필요한 데이터를 로드합니다.
필요한 경우 시스템의 형상을 정의합니다.
신경망 모델과 같이 필요한 모든 노드를 생성합니다.
훈련 도메인 개체를 만듭니다.
만들다Nc 제약 조건을 정의하고 각각을 도메인에 추가합니다.
필요한 추론기, 검증기 또는 모니터를 만듭니다.
채워진 훈련 도메인으로 솔버를 초기화합니다.
솔버를 실행하여 최적화를 시작합니다.
한편, NVIDIA Modulus는 모델 훈련과 추론 가속에도 효과적입니다. NVIDIA Modulus는 TensorFlow 모델을 가속하는 선형 대수학용 도메인별 컴파일러인 XLA를 활용하여 성능을 최적화합니다. 다중 GPU 확장을 위해 Horovod 분산 딥 러닝 훈련 프레임워크를 사용합니다.모델이 훈련을 마치면 NVIDIA Modulus는 실시간 또는 대화식으로 추론을 수행합니다.
현재 디지털 트윈 전략 수립 또는 실행 중이라면? NVIDIA Developer Zone 또는 NGC을 통해 NVIDIA Modulus를 다운로드하여 평가해 보십시오.