面向科学仿真的开放模型系列NVIDIA Apollo正式发布

用于加速工业和计算工程的开放模型系列 NVIDIA Apollo 于近日举行的 SC25 大会上正式发布。

这些由 NVIDIA AI 基础设施加速过的全新 AI 物理模型，可以让开发者将实时功能集成到各类行业的仿真软件中。

NVIDIA Apollo 系列将包括多个物理优化过的模型，每种模型均为提高可扩展性、性能和精度而开发，适用于以下领域：

电子设备自动化和半导体：缺陷检测、计算光刻、电热和机械设计。

结构力学：汽车、消费电子和航空航天领域的结构分析。

天气和气候：全球和区域预报、降尺度、数据同化和天气模拟。

计算流体力学：制造业、汽车、航空航天和能源领域的仿真。

电磁学：无线通信、雷达感知和高速光学数据的仿真。

多物理场：核聚变、等离子体仿真和流体结构相互作用。

该系列的开放模型可以利用 AI 物理领域的最新进展，将神经算子、Transformer 模型和扩散方法等一流的机器学习架构与相关领域专业知识结合起来。

NVIDIA Apollo 将提供用于训练、推理和基准测试的预训练检查点和参考工作流，以便开发者根据其特定需求集成和定制模型。

行业领导者采用 NVIDIA AI 物理技术

应用材料公司、Cadence、泛林集团、Luminary Cloud、KLA、PhysicsX、Rescale、西门子和新思科技等行业领导者计划使用全新开放式模型来训练、调优并部署其 AI 技术。这些公司目前已在使用 NVIDIA AI 模型和基础设施来支持其应用。

应用材料公司正利用 NVIDIA AI 物理技术开发新材料和制造工艺，以改进制造工艺和最终产品的能效，直接突破半导体制造产能扩张方面的最大限制。

借助 NVIDIA GPU 和 CUDA 框架，应用材料公司已在其 ACE+ 多物理场软件模块中实现高达 35 倍的加速，从而加速半导体制造工艺的探索和优化。利用 ACE+ 物理数据，应用材料公司为关键材料改性技术构建了 AI 模型，采用代理模型 (AI 模型基于传统模拟数据进行训练，可以在几秒钟内预测新案例) 和数字孪生实现对先进半导体工艺腔室的近实时流、等离子体和热模型。

Cadence 通过其 Fidelity CFD 软件中的 Fidelity Charles 求解器，并借助 NVIDIA 驱动的 Millennium M2000 超级计算机进行加速，生成了由数千个高精度、时变全飞行仿真高质量数据集。这些数据用于训练 AI 物理模型，以实现全飞行实时数字孪生，该模型已于近期在华盛顿特区 NVIDIA GTC 大会上进行展示。

泛林集团正与 NVIDIA 合作，利用 NVIDIA AI 物理加速等离子体反应器仿真。等离子体反应器在半导体制造中的蚀刻和沉积工艺至关重要。

KLA 将探索使用 NVIDIA Apollo 模型来加速各类仿真。更快速、更精准的仿真将基于 KLA 现有能力，加速其新型半导体工艺控制解决方案的开发过程。

诺思罗普·格鲁曼公司和 Luminary Cloud 也在通过 NVIDIA AI 物理模型来加速航天器推进器喷嘴设计。利用 NVIDIA CUDA-X 库加速其 CFD 求解器，诺思罗普·格鲁曼公司生成了一个大型训练数据集，在基于 NVIDIA AI 物理 模型的 Luminary Cloud 平台上构建喷嘴仿真代理模型。这款 AI 物理模型将帮助诺思罗普·格鲁曼公司的工程师快速地探索数千种设计。

PhysicsX 的 AI 原生平台支持从仿真和数据管理，到模型训练、调优和部署的完整 AI 生命周期，并与 NVIDIA AI 物理基础设施和 Siemens Simcenter X 等仿真软件无缝集成。PhysicsX 平台面向汽车、航空航天、能源等领域的客户，可显著缩短产品开发周期并加速产品上市进程。

Rescale 通过将 NVIDIA Apollo 模型集成到其行业领先的 AI 物理操作系统中，正在加速工程创新。这项对 Rescale 完整的、端到端技术栈的增强，将使工程师能够无缝融合高保真第一性原理仿真与高速 AI 代理模型。在 Rescale 框架内通过使用 NVIDIA Apollo 模型的先进能力，客户将能够以数量级更快的速度探索广阔的设计空间，在保持传统仿真方法精度的同时，实现实时推理结果。

西门子正将 NVIDIA AI 物理技术集成到其旗舰版流体仿真工具 (如 Simcenter STAR-CCM+) 中。通过这种集成，设计师能够将高保真第一性原理仿真与高速 AI 代理模型 (即通过 AI 而非传统方法简化并加速 CAE 仿真的模型) 相结合。这使得探索设计选项的速度比以前提高了数个数量级。

新思科技正使用 NVIDIA AI 物理技术实现数倍的 GPU 加速，并在计算工程领域实现高达 500 倍的速度提升。通过 AI 物理代理模型实现仿真初始化，可显著缩短 Ansys Fluent 等 NVIDIA GPU 加速流体仿真工具的运行时间。相比于传统方法，这种方法可更快完成仿真初始化。