Redian新闻
>
公开课预告:Modulus 基于物理信息神经网络(PINN)加速流体力学模拟仿真

公开课预告:Modulus 基于物理信息神经网络(PINN)加速流体力学模拟仿真

公众号新闻

计算流体力学(Computational Fluid Dynamics,CFD)是随着计算机的发展而产生的一个介于数学、流体力学和计算机之间的交叉学科,主要研究内容是通过计算机和数值方法来求解流体力学的控制方程,对流体力学问题进行模拟和分析。CFD 在水利工程、土木工程、环境工程、食品工程、海洋结构工程、工业制造等领域都有广泛应用。


NVIDIA Modulus 是一个神经网络框架,以控制偏微分方程(PDE)的形式将物理学的力量与数据相结合,构建具有近实时延迟的高保真、参数化代理模型。Modulus 能够为多个领域缺乏 AI 专业知识的科研工作者,提供模拟仿真加速支持,比如计算流体力学、蛋白质工程和气候科学等领域。


12月20日下午14点,NVIDIA 联合智东西公开课策划推出的「NVIDIA Modulus 加速流体力学模拟仿真公开课」将正式开讲。此次公开课将由 NVIDIA 高级系统架构师易成主讲,主题为《Modulus 基于物理信息神经网络(PINN)加速流体力学模拟仿真》。


此次公开课,易成老师将从 Modulus 使用 k-e 模型进行流体力学模拟的原理和流程、Modulus 进行流体力学模拟的五个步骤、Modulus k-e 模型的关键参数设置方法,以及 Modulus 选择傅里叶网络和全连接网络进行模拟的方法进行系统讲解。最后,易成老师还将深入解读如何使用 Modulus 进行参数化 CFD 模型训练。


本次公开课将以视频直播形式进行,由主讲与问答两部分组成,其中主讲40分钟,问答为20分钟。








公开课信息


 主 题 

《Modulus 基于物理信息神经网络(PINN)加速流体力学模拟仿真》

 提 纲 


1、Modulus 使用 k-e 模型进行流体力学模拟的原理和流程

2、Modulus 进行流体力学模拟的五个步骤

3、Modulus k-e 模型的关键参数设置方法

4、Modulus 选择傅里叶网络和全连接网络进行模拟的方法

5、Modulus 进行参数化 CFD 模型训练解读


 主 讲 人 


易成,NVIDIA 高级系统架构师,负责 NVIDIA 科研和能源行业 GPU 计算解决方案设计与研究,包括 GPU 在高性能计算、深度学习和数据科学等领域的应用,GPU 的分布式并行计算加速,CUDA/OpenACC 的应用程序移植和性能优化。


 直 播 信 息 


直播时间:12月20日14点

直播地点:智东西公开课知识店铺


报名方式


对本次公开课感兴趣的朋友,可以扫描下方二维码添加小助手瑞秋进行报名。已经添加瑞秋的老朋友,可以给瑞秋私信,发送“NV11”即可报名。


同时为了便于交流,针对「NVIDIA Modulus 加速流体力学模拟仿真公开课」还将设置专属交流群,并邀请主讲人入群。想要加入交流群与主讲人认识的朋友,也可以添加瑞秋进行申请。




点个“在看”和大家一起聊聊

👇👇👇

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
商业分析、机器学习、数学建模训练营、量化金融项目实战2月开课预告!Hinton最新演讲!一种新神经网络:前向-前向FF算法,论文已公开!神经网络高斯过程 (Neural Network Gaussian Process)物理改变图像生成:扩散模型启发于热力学,比它速度快10倍的挑战者来自电动力学【老同学,回不去的从前】从前的外号前方高能 | 飞桨AI for Science流体力学公开课报名开启!图灵机就是深度学习最热循环神经网络RNN?1996年论文就已证明!lululemon的信仰生意,开始松动美国东北大学流体力学与软物质专业全奖博士职位【公开课预告】:视频质量评估体系自建 MongoDB 实践:MongoDB 复制集爱美丽见异思迁了lolGNN如何建模时空信息?伦敦玛丽女王大学「时空图神经网络」综述,简明阐述时空图神经网络方法大规模GNN如何学习?北邮最新《分布式图神经网络训练》综述,35页pdf阐述分布式GNN训练算法和系统香港科技大学计算物理及流体力学傅林教授课题组招收博士生及博士后Npj Comput. Mater.: 水粘度模拟—第一性原理-深度神经网络公开课预告:视觉AI算法的自训练优化及流媒体服务实践公开课预告:基于Zephyr RTOS的机器人传感系统和MCU启动流程温哥华的房价贵,真贵Lululemon又上新啦!700FP充绒量羽绒背心&超高腰神裤均$99!lululemon运动服饰2.5折起!打底裤19元、羽绒夹克139元、羽绒背心99元解决神经网络的百年难题,MIT新模型Liquid CfC让模拟大脑动力学成为可能公开课预告:企业如何使用 NVIDIA AI Enterprise 3.0 加速 AI 开发和部署老照片 | 七十年代的香港直播课预告:多模态预训练大模型OmModel及视觉应用开发架构瓶颈原则:用注意力probe估计神经网络组件提供多少句法信息语言的进化与退化香港科技大学机械及航空航天工程系李志刚教授招收流体力学/传热学方向博士生近万人围观Hinton最新演讲:前向-前向神经网络训练算法,论文已公开【首发】垦拓流体完成超亿元C轮融资,破解精密微流体控制元件卡脖子难题
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。