用于加速工業和計算工程的開放模型系列 NVIDIA Apollo 于近日舉行的 SC25 大會上正式發布。

這些由 NVIDIA AI 基礎設施加速過的全新 AI 物理模型，可以讓開發者將實時功能集成到各類行業的仿真軟件中。

NVIDIA Apollo 系列將包括多個物理優化過的模型，每種模型均為提高可擴展性、性能和精度而開發，適用于以下領域：

電子設備自動化和半導體：缺陷檢測、計算光刻、電熱和機械設計。

結構力學：汽車、消費電子和航空航天領域的結構分析。

天氣和氣候：全球和區域預報、降尺度、數據同化和天氣模擬。

計算流體力學：制造業、汽車、航空航天和能源領域的仿真。

電磁學：無線通信、雷達感知和高速光學數據的仿真。

多物理場：核聚變、等離子體仿真和流體結構相互作用。

該系列的開放模型可以利用 AI 物理領域的最新進展，將神經算子、Transformer 模型和擴散方法等一流的機器學習架構與相關領域專業知識結合起來。

NVIDIA Apollo 將提供用于訓練、推理和基準測試的預訓練檢查點和參考工作流，以便開發者根據其特定需求集成和定制模型。

行業領導者采用 NVIDIA AI 物理技術

應用材料公司、Cadence、泛林集團、Luminary Cloud、KLA、PhysicsX、Rescale、西門子和新思科技等行業領導者計劃使用全新開放式模型來訓練、調優并部署其 AI 技術。這些公司目前已在使用 NVIDIA AI 模型和基礎設施來支持其應用。

應用材料公司正利用 NVIDIA AI 物理技術開發新材料和制造工藝，以改進制造工藝和最終產品的能效，直接突破半導體制造產能擴張方面的最大限制。

借助 NVIDIA GPU 和 CUDA 框架，應用材料公司已在其 ACE+ 多物理場軟件模塊中實現高達 35 倍的加速，從而加速半導體制造工藝的探索和優化。利用 ACE+ 物理數據，應用材料公司為關鍵材料改性技術構建了 AI 模型，采用代理模型 (AI 模型基于傳統模擬數據進行訓練，可以在幾秒鐘內預測新案例) 和數字孿生實現對先進半導體工藝腔室的近實時流、等離子體和熱模型。

Cadence 通過其 Fidelity CFD 軟件中的 Fidelity Charles 求解器，并借助 NVIDIA 驅動的 Millennium M2000 超級計算機進行加速，生成了由數千個高精度、時變全飛行仿真高質量數據集。這些數據用于訓練 AI 物理模型，以實現全飛行實時數字孿生，該模型已于近期在華盛頓特區 NVIDIA GTC 大會上進行展示。

泛林集團正與 NVIDIA 合作，利用 NVIDIA AI 物理加速等離子體反應器仿真。等離子體反應器在半導體制造中的蝕刻和沉積工藝至關重要。

KLA 將探索使用 NVIDIA Apollo 模型來加速各類仿真。更快速、更精準的仿真將基于 KLA 現有能力，加速其新型半導體工藝控制解決方案的開發過程。

諾思羅普·格魯曼公司和 Luminary Cloud 也在通過 NVIDIA AI 物理模型來加速航天器推進器噴嘴設計。利用 NVIDIA CUDA-X 庫加速其 CFD 求解器，諾思羅普·格魯曼公司生成了一個大型訓練數據集，在基于 NVIDIA AI 物理 模型的 Luminary Cloud 平臺上構建噴嘴仿真代理模型。這款 AI 物理模型將幫助諾思羅普·格魯曼公司的工程師快速地探索數千種設計。

PhysicsX 的 AI 原生平臺支持從仿真和數據管理，到模型訓練、調優和部署的完整 AI 生命周期，并與 NVIDIA AI 物理基礎設施和 Siemens Simcenter X 等仿真軟件無縫集成。PhysicsX 平臺面向汽車、航空航天、能源等領域的客戶，可顯著縮短產品開發周期并加速產品上市進程。

Rescale 通過將 NVIDIA Apollo 模型集成到其行業領先的 AI 物理操作系統中，正在加速工程創新。這項對 Rescale 完整的、端到端技術棧的增強，將使工程師能夠無縫融合高保真第一性原理仿真與高速 AI 代理模型。在 Rescale 框架內通過使用 NVIDIA Apollo 模型的先進能力，客戶將能夠以數量級更快的速度探索廣闊的設計空間，在保持傳統仿真方法精度的同時，實現實時推理結果。

西門子正將 NVIDIA AI 物理技術集成到其旗艦版流體仿真工具 (如 Simcenter STAR-CCM+) 中。通過這種集成，設計師能夠將高保真第一性原理仿真與高速 AI 代理模型 (即通過 AI 而非傳統方法簡化并加速 CAE 仿真的模型) 相結合。這使得探索設計選項的速度比以前提高了數個數量級。

新思科技正使用 NVIDIA AI 物理技術實現數倍的 GPU 加速，并在計算工程領域實現高達 500 倍的速度提升。通過 AI 物理代理模型實現仿真初始化，可顯著縮短 Ansys Fluent 等 NVIDIA GPU 加速流體仿真工具的運行時間。相比于傳統方法，這種方法可更快完成仿真初始化。