Wissenschaftliches und technisches Design entwickelt sich von Prototypen über Simulationen bis hin zu KI

Die wissenschaftliche und technische Simulation hat die Spielregeln geändert, indem sie F&E-Experten Designparameter digital statt physisch durch Prototyping zu testen und so Designs schneller zu iterieren. Simulationen auf Basis physikalischer Solver sind zwar schneller und günstiger als Prototyping, können aber dennoch sehr rechenintensiv und teuer in der Iteration sein. Der zunehmende Einsatz von KI in der Simulation begegnet dieser Herausforderung, indem er F&E-Experten dabei unterstützt, Designräume effizienter zu durchsuchen und den rechenintensiven Simulationsaufwand zur Optimierung von Designs zu reduzieren. 

Wir beginnen zu sehen KI-Anwendung in der Simulation überall. Obwohl sich KI für Forschung und Entwicklung noch in einem frühen Stadium befindet, hat sie das Potenzial, die Arbeitsweise in Forschung und Entwicklung grundlegend zu revolutionieren. Beispielsweise haben zukunftsorientierte Unternehmen KI/ML bereits in wichtige Design-Workflows integriert: Luft- und Raumfahrtunternehmen prognostizieren Ergebnisse der numerischen Strömungsmechanik im Tragflächendesign, Halbleiterunternehmen durchsuchen große, komplexe Designräume effizienter nach optimalen Chipdesigns und Biotechnologieunternehmen prognostizieren in klinischen Studien Molekülkombinationen, die bei der Behandlung von Krankheiten erfolgreich sein werden. Die Anwendung von KI wird mit der Weiterentwicklung von KI-Softwaretools und Hardware-Rechenleistung weiter zunehmen.

Neue KI-Anwendungen für Forschung und Entwicklung bringen neue IT-Herausforderungen mit sich

Der Einsatz von KI in der Simulation bringt jedoch neue IT-Herausforderungen mit sich. Unternehmen müssen neue Umgebungen schaffen, die neue KI-Tools unterstützen. Oftmals müssen KI-Tools mit konventionellen physikbasierten Solvern koexistieren, um durchgängige Workflows zu schaffen, die F&E-Experten zum Erfolg verhelfen. Die Kombination neuer und konventioneller Tools erhöht die Komplexität des gesamten Software-Hardware-Technologie-Stacks drastisch. Infolgedessen fällt vielen Unternehmen der Einstieg in die Einführung dieser hochmodernen Tools schwer und sie verpassen deren Vorteile. 

Bei Rescale haben wir uns verpflichtet, unseren Kunden die neuesten KI-Technologien für Forschung und Entwicklung anzubieten. Anfang des Jahres haben wir eine CFD+ML-Tutorial für Tragflächendesign basierend auf der Anwendung von KI auf reduzierte Modellierung. Wir freuen uns sehr, heute bekannt geben zu können, dass NVIDIA-Modul ist jetzt auf Rescale verfügbar. NVIDIA Modulus ist ein hochmodernes Physik-ML-Framework zur Entwicklung von Physik-Maschinenlern-Neuronalen-Netzwerkmodellen mit nahezu Echtzeit-Inferenz zur Lösung physikalischer Probleme und wissenschaftliche digitale Zwillinge entwerfen. Die heutige Ankündigung der allgemeinen Verfügbarkeit folgt auf unsere erste Einführung von Modulus auf Rescale während unserer NVIDIA GTC-Präsentation, bei der eine von unserem Partner entwickelte Demonstration eines Ersatzmodells für die Luftmessersimulation gezeigt wurde, Kinetisches Sehen.

„Die rasanten Fortschritte bei KI und GPUs eröffnen neue Möglichkeiten für Innovationen in Forschung und Entwicklung“, sagte Mulyanto Poort, VP of High Performance Computing bei Rescale. „NVIDIA ist mit neuen Produkten wie dem KI-basierten NVIDIA Modulus Framework führend bei bahnbrechenden Technologien für wissenschaftliche und technische Simulationsabläufe, und wir freuen uns darauf, unseren Kunden diese neuen Möglichkeiten anbieten zu können.“

Modulus ermöglicht es, einmal zu trainieren und anschließend das hochpräzise KI-Ersatzmodell zu nutzen, um nahezu in Echtzeit neue Simulationsergebnisse für Punkte im Design- oder Betriebsraum abzuleiten. Dank Transferlernen kann das KI-Ersatzmodell den zukünftigen Designaufwand deutlich reduzieren. Modulus kann auf ein breites Spektrum physikbasierter Simulationsprobleme angewendet werden und wurde kürzlich in Anwendungsfällen wie Vorhersage extremer Wettervorhersagen, Simulation von Windturbinenblättern, Simulation eines Abhitzedampferzeugers und Halbleiter-KühlkörperdesignEs ist die ideale Plattform für Fachexperten, die Python-APIs zur Entwicklung von KI-Modellen verwenden möchten, ohne KI-Experte sein oder sich mit der Einrichtung skalierbarer, leistungsstarker Trainings- und Inferenz-Pipelines befassen zu müssen.

Rescale ermöglicht die besonders schnelle und einfache Bereitstellung von NVIDIA Modulus in der optimalen Cloud-Infrastruktur mit nur wenigen Klicks. Rescale kombiniert NVIDIA Modulus mit der neuesten NVIDIA GPU-Hardware wie NVIDIA A100 Tensor Core GPUs und die kommende NVIDIA H100 Tensor Core GPUs sind über Instanzfamilien verfügbar, die von unseren Cloud-Service-Provider-Partnern bereitgestellt werden, wie z. B. AWS, Azure, GCPund Oracle. Software und Hardware sind in einer einzigen Workflow-Umgebung auf der Rescale-Plattform organisiert, um bei Bedarf KI-Trainingsdaten, Schlussfolgerungen, abschließende Überprüfungen und Modellergebnisse mit herkömmlichen Physiklösern zu generieren. 

„Innovationen in Forschung und Entwicklung sowie in der Simulation beschleunigen sich dank der Physik-ML-Technologie. Unsere Kunden können dadurch schneller und auf neue Weise bessere Produkte entwerfen und entwickeln“, sagte Chris Lamb, Vice President für GPU-Computing-Softwareplattformen bei NVIDIA. „NVIDIA Modulus ermöglicht es innovativen Unternehmen wie Rescale, Kunden zu unterstützen, indem es die Entwicklung und Bereitstellung physikbasierter ML-Workflows unglaublich einfach macht, um Probleme zu lösen, die durch herkömmliche Simulationsmethoden nur eingeschränkt möglich sind.“

Erste Schritte mit NVIDIA Modulus auf Rescale

Kunden können NVIDIA Modulus auf Rescale ganz einfach nutzen, indem sie sowohl die Rescale-Batchjobs als auch die Workflows virtueller Desktop-Workstations verwenden. Hier ist ein kurzes Videobeispiel zur Ausführung von Modulus auf Rescale:

Sobald die Simulationsergebnisse vorliegen, Plattform neu skalieren beendet die Simulation und fährt die gesamte Cloud-Infrastruktur herunter. Das Schöne an der Nutzung von NVIDIA auf Rescale ist, dass sie vollständig bedarfsgesteuert ist. Das bedeutet, Kunden zahlen nur für die Ressourcen, die sie nutzen. Ein ausführlicheres Beispiel finden Sie in unserer kürzlich veröffentlichten NVIDIA Modulus zum Rescale-Tutorial mit einer deckelgesteuerten Hohlraumströmungssimulation.

Rescale verändert in Zusammenarbeit mit NVIDIA erneut die Spielregeln für F&E-Experten. Mit NVIDIA Modulus können Wissenschaftler und Ingenieure einmal trainieren und Simulationsergebnisse wiederholt in Echtzeit ableiten. Das spart enorm viel Zeit, da weniger konventionelle, solverbasierte Simulationen ausgeführt werden müssen. Rescale macht NVIDIA Modulus sofort auf den neuesten NVIDIA-GPUs verfügbar, indem es eine schlüsselfertige Plattform bereitstellt, die den gesamten Software-Hardware-Stack in der Cloud abdeckt. Dadurch sparen Unternehmen mindestens Monate oder Quartale schwieriger und teurer Onboarding- und Bereitstellungszeit, die sie zur Beschleunigung der Produktentwicklung nutzen können. 

Wir freuen uns darauf, Ihnen zu zeigen, wie KI Ihre F&E-Produktivität revolutionieren kann und wie Rescale Ihnen den Einstieg erleichtert. Um mehr zu erfahren, kontaktieren Sie einen unserer Experten für „HPC und KI für F&E“ bei Rescale oder nutzen Sie den kostenlosen NVIDIA-GPU-Zugriff von Rescale für bis zu 5 Tage. Kontaktieren Sie uns. werden auf dieser Seite erläutert oder per E-Mail an partners@rescale.com. So einfach ist das! 

Weitere Informationen zu NVIDIA Modulus finden Sie unter: https://developer.nvidia.com/modulus.