Aperçu de la présentation de Rescale dans le cadre du séminaire sur la modélisation et la simulation avancées de la NASA

La simulation haute fidélité est essentielle à l'innovation aérospatiale, mais les solveurs complexes de dynamique des fluides numérique (CFD) et d'analyse par éléments finis (FEA) peuvent souvent prendre plusieurs jours. Ces longs temps d'exécution limitent le nombre de variantes de conception explorables, ralentissant ainsi le rythme des découvertes. Optimisé par l'IA modèles de substitution, construits à partir de données de simulation haute fidélité, offrent une avancée majeure : des prédictions de simulation rapides à la vitesse de l'éclair, jusqu'à 1,000 XNUMX fois plus rapides, qui s'inscrivent dans une tendance croissante consistant à appliquer «Physique de l'IA« des méthodes pour ouvrir de nouvelles frontières dans l’exploration et l’innovation en matière de conception.

Dans une séminaire récent of Série de séminaires sur la modélisation et la simulation avancées (AMS) de la NASA, Viktor Rozsa, architecte de solutions chez Rescale, a montré comment les clients de Rescale aiment Boom supersonique associent des cadres d'IA physique aux logiciels de simulation de la NASA pour transformer radicalement les flux de travail d'ingénierie numérique. Rescale prend en charge les logiciels développés par la NASA et utilisés par les entreprises publiques et privées américaines, permettant ainsi aux ingénieurs de déployer facilement des techniques de simulation avancées, d'analyser leurs données et de développer de nouvelles méthodes d'IA, comme celles présentées dans ce webinaire. 

Série de séminaires AMS : Où se connectent les membres de la communauté de modélisation et de simulation de la NASA

Organisé par le Branche des sciences aérospatiales computationnelles de l'installation de supercalcul avancé de la NASA (NAS)La série AMS propose des conférences hebdomadaires animées par des experts du gouvernement, du monde universitaire et de l'industrie. Chaque session met en lumière les avancées en modélisation et simulation susceptibles d'avoir un impact considérable sur les disciplines scientifiques et d'ingénierie. Depuis son lancement en 2011, la série de séminaires est centrée sur l'ingénierie aérospatiale et la recherche scientifique, mettant souvent en avant l'écosystème logiciel de la NASA pour la modélisation aérospatiale avancée et des outils tels que FUN3D, DÉBORDEMENT, Cart3D et CAP fournissent les bases informatiques haute fidélité nécessaires à la recherche et à la conception de pointe. Les intervenants sont généralement des chercheurs, des ingénieurs et des développeurs de logiciels de premier plan, abordant des sujets allant de adaptation du maillage et modélisation de la turbulence aux flux de travail CFD augmentés par l'IA et au calcul haute performance.

Éliminer les goulots d'étranglement dans l'exploration de l'espace de conception

Concevoir des systèmes aérospatiaux implique de peser des millions de combinaisons possibles de variables telles que la portance, la traînée et les charges structurelles afin de trouver la conception la plus performante. Ce large éventail de possibilités et de compromis est souvent appelé « conception ». espace commercial.” Exécuter chaque scénario avec des méthodes de simulation traditionnelles peut consommer d'importantes ressources de calcul haute performance, bloquant le matériel pendant des jours, de sorte que seule une fraction des conceptions potentielles peut être testée de manière réaliste. Ce goulot d'étranglement limite la capacité à explorer de nouvelles formes, configurations et conditions de fonctionnement. Les substituts basés sur l'IA surmontent ce problème en apprenant à partir des données de simulation et en prédisant les résultats en quasi-temps réel, permettant ainsi aux ingénieurs d'explorer une plus grande partie de l'espace commercial avec le même budget de calcul.

Réseaux neuronaux graphiques : une base pour les substituts basés sur le maillage

Réseaux de neurones graphiques (GNN) Représentent les systèmes physiques sous forme de graphes, où les nœuds correspondent aux points du maillage et les arêtes codent les relations spatiales, souvent porteuses de propriétés locales telles que la pression ou la vitesse. En transmettant itérativement des messages entre les nœuds, les GNN capturent les relations spatiales essentielles aux simulations physiques. MeshGraphNets (MGN) Appliquer cette approche en codant les maillages dans un espace latent, en les traitant par plusieurs étapes de transmission de messages et en les décodant en champs physiques prédits, ce qui permet d'obtenir des accélérations jusqu'à 100 fois supérieures à celles des solveurs traditionnels, tout en limitant les erreurs locales à environ 10 % dans certains cas. En revanche, DoMINO (Opérateur neuronal itératif multi-échelle décomposable) est un opérateur neuronal sans maillage dans NVIDIA PhysicsNemo qui apprend les modèles directement à partir de nuages de points sur plusieurs échelles, sans s'appuyer sur des maillages fixes, permettant une formation et une adaptation rapides à de nouvelles géométries sans recyclage.

Applications étendues dans l'aérospatiale et au-delà

Les avantages de ces approches vont au-delà de l'étude d'un seul avion. Les modèles de substitution présentent un potentiel optimisation aérodynamique, gestion thermique, analyse structuraleet les défis de conception multiphysique. Ils sont particulièrement performants dans les flux de travail où une itération rapide est essentielle, comme l'exploration de configurations d'ailes non conventionnelles, l'affinement de la conception de boucliers thermiques pour les véhicules de rentrée ou l'optimisation des structures de fuselage pour les performances et la sécurité.

Lors d'une démonstration présentée lors du séminaire Rescale, des simulations CFD en régime permanent pour un Boeing 787 ont été utilisées pour entraîner un modèle MGN afin de prédire les coefficients aérodynamiques et les variables d'écoulement locales. Une fois entraîné, le modèle de substitution pouvait fournir des résultats en temps quasi réel, permettant jusqu'à 50 fois plus d'itérations de conception sans augmenter les coûts de calcul. DoMINO a également été appliqué à l'optimisation structurelle et aérodynamique des avions supersoniques, révélant des possibilités de réduction de masse tout en préservant les marges de sécurité.

Stratégies pour des mères porteuses efficaces

Des modèles de substitution performants reposent sur des simulations terrain de haute qualité, couvrant l'ensemble des géométries, conditions et scénarios rencontrés par le modèle. Des données propres et cohérentes sont essentielles : des problèmes tels que des erreurs de nommage, des balises manquantes et des journaux non structurés peuvent nuire aux performances. Le data lakehouse de Rescale répond à ce besoin en normalisation de la capture des métadonnées Ainsi, les paramètres clés sont toujours enregistrés et liés aux résultats. Avec une base de données solide, une analyse minutieuse réglage hyperparamètre– comme le réglage des paramètres tels que le taux d’apprentissage, la taille des couches et la taille des lots – permet d’équilibrer la précision, la vitesse et la généralisation. Études de cas de la NASA montrent que l'association de données de simulation robustes avec des hyperparamètres bien optimisés permet aux substituts de fournir des prédictions rapides et fiables qui soutiennent des décisions d'ingénierie sûres.

Avantages de Rescale pour les utilisateurs de logiciels de la NASA

Pour les organisations utilisant Les solveurs de flux de la NASA, L'invocation de Rescale de NASA CAPE (Productivité et exécution des aérosciences computationnelles) S'intègre directement aux workflows existants pour FUN3D, OVERFLOW ou Cart3D. Après chaque simulation, Rescale extrait automatiquement les entrées et sorties du solveur, telles que le Mach, l'angle d'attaque, les identifiants de géométrie, la portance, la traînée et les historiques résiduels, et les formate dans un enregistrement de métadonnées standardisé. Cet enregistrement est ensuite ingéré dans le data lakehouse de Rescale pour garantir une intégration complète. traçabilité des donnéesCe processus fonctionne de manière transparente, sans perturber les pipelines IAO actuels. En automatisant l'assemblage des jeux de données, il élimine le besoin de gestion manuelle des fichiers et accélère la création d'ensembles d'entraînement pour Rescale AI, permettant ainsi le développement de modèles de substitution directement à partir d'exécutions CFD opérationnelles.

Déploiement et mise à l'échelle de substituts dans tous les secteurs

Si vous êtes ingénieur dans l'aérospatiale, l'automobile, l'énergie, la fabrication ou tout autre domaine où la simulation complexe constitue un obstacle, les modèles de substitution méritent une attention particulière. Que vous cherchiez à explorer davantage de paramètres de conception, à réduire le temps de simulation de plusieurs semaines à quelques heures, ou à prendre des décisions plus rapides et basées sur les données, les modèles de substitution basés sur l'IA peuvent vous offrir un avantage considérable. Les méthodes basées sur le maillage, comme les MGN, offrent une grande précision pour des flux de travail cohérents, tandis que les approches sans maillage, comme DoMINO, offrent plus de flexibilité lorsque les conceptions ou les conditions changent. L'essentiel est d'associer la bonne approche à des données de simulation de qualité, à une intégration intelligente des flux de travail et à des hyperparamètres optimisés pour allier rapidité et fiabilité.

Avec ces éléments de base en place, la simulation augmentée par l'IA peut transformer votre processus de conception et débloquer des itérations plus rapides, une exploration plus approfondie de l'espace commercial et de meilleurs résultats d'ingénierie. Regardez l'enregistrement complet du séminaire AMS Pour approfondir ces méthodes et apprendre des démonstrations et des comparaisons de performances que vous pourrez appliquer à votre propre travail, regardez le séminaire et contacter Rescale pour apprendre à créer des substituts d'IA hautes performances à partir de vos données CFD et commencer à accélérer vos flux de travail de simulation dès aujourd'hui.