從重建城市中的單個建筑來深度分析能源使用狀況，到重建地球氣候系統來理解環保政策對氣候變化的影響。科技巨頭英偉達(Nvidia)的Omniverse是專為3D 設計協作和數據孿生模擬而構建的開放平臺。我們可以把它看作能夠協助開發者創建“元宇宙”的平臺，也可以看作是英偉達自己宏大的“元宇宙”項目。

在去年的全球AI開發者大會GTC21上就掀起波瀾，基于模量框架模型和物理的Omniverse實時仿真平臺被用于發電廠的電力數字孿生預見性維護，同時將在未來幾年,計劃使用這些工具來創建一個數字孿生的地球。如今，在GTC22大會上，英偉達加倍下注于它的科學孿生，宣布將進一步整合Omniverse和模量來模擬“地球2號”(Earth-2)和可再生能源。

“基本上，我們正在將模量集成到Omniverse中。”英偉達數據中心產品高級經理哈里斯(Dion Harris)解釋道。模量可以作為Omniverse的一個擴展，允許用戶構建提供實時、交互式、人工智能驅動的物理世界模擬模型。

“模量”(Modulus)可以理解為是一種標準量或指標。

接近地球2號

Earth-2再次成為了關注的焦點。哈里斯展示了一張圖表，說明了在亞米分辨率下進行地球系統建模的進展規劃——這是解決許多重要云層形成所需的分辨率。哈里斯說:“我們還需要40年的時間才能達到這個標準。這個周期太長了，所以Earth-2的全部希望基本上來自人工智能，來自數字孿生模型。這樣我們就可以加快這一過程，更好地了解氣候，在為時已晚之前做些什么。”

地球2號，就是一個前所未有的結合第一性原理模擬和數據驅動模型，呈現在一個實時的，交互式的數字孿生地球。

“作為第一步，我們已經開發了一個人工智能代理模型，”他說。“因此，我們與來自伯克利實驗室、加州理工學院、普渡大學、密歇根大學和萊斯大學的合作者合作，建立了這個名為FourCastNet的人工智能代理模型。”

FourCastNet是“傅里葉預測神經網絡”的縮寫，它是一種可以在低分辨率下訓練模型，然后用更高分辨率的數據插值應用的結果。FourCastNet在相當精度的情況下，比傳統計算流體動力學的速度快4.5萬倍(能源效率提高了1.2萬倍)。英偉達表示，這一性能改進可以實現更大的集合氣候模型，可以進行數千次迭代。

實現這些進步成果的傅立葉神經算子現在已集成到英偉達的數字孿生工具中，使用戶能夠在模量中構建像FourCastNet這樣的模型，在Omniverse上使用。

英偉達高級開發技術科學家和工程師Karthik Kashinath表示:“數字孿生技術允許研究人員和決策者與數據進行交互，并快速探索假設場景，而傳統建模技術幾乎不可能實現這一點，因為它們昂貴且耗時。”“作為地球2號的核心，英偉達的FourCastNet能夠更快、更準確地模擬全球天氣的物理和動力學，從而使數字孿生地球的開發成為可能。”

英偉達首席執行官黃仁勛(Jensen Huang)在3月22日GTC的主題演講中表示:“在降水預測方面，深度學習模型首次實現了比最先進的數值模型更好的準確性和技能。”

數字孿生的風力

英偉達展示的Modulus-Omniverse組合的第二個用例是與西門子的合作，后者此前曾與英偉達的數字孿生公司合作，用于預測電廠維護。這一次，他們與西門子能源旗下的可再生能源公司西門子Gamesa合作。利用Omniverse和模量，建立一個數字孿生風電場。

如果你觀察一個風電場，那些風機看起來是隨機分布的。但實際上，它們需要科學而細致地規劃和放置。這樣，當風經過風電場時，有助于推動風機并產生更多的電力。

要弄清楚如何優化這種布局，需要“密集的模擬”，因此西門子Gamesa正在使用模量和Omniverse來創建其風力發電場的數字孿生，以模擬相互靠近的風機的影響。在這個應用中使用其數字孿生模型——也由傅里葉神經算子驅動——與傳統的渦輪模擬模型相比，可以實現高達4000倍的加速。

這個合作意味著，在計算流體力學等復雜領域，在加快計算速度和最新算法開發部署速度方面向前邁出了一大步。

利用數據中心規模的人工智能加速計算，有可能帶來數百萬倍的性能提升，以應對減緩氣候變化、發現藥物和發現新可再生能源等挑戰。英偉達的人工智能科學數字孿生框架，使研究人員能夠尋求這些大規模問題的解決方案。雖然地球2號還沒有完全到來，我們也能夠通過這些實際應用的真實結果一窺元宇宙真正的價值吧。