Ensino Superior e Pesquisa
VinuesaLab Avança em Simulações de Fluxos Urbanos com IA Utilizando a Tecnologia NVIDIA PhysicsNeMo
Objetivo
A urbanização rápida desafia as cidades a monitorar e simular padrões de vento turbulentos para qualidade do ar, resiliência climática e planejamento de infraestrutura. Para atender a essa necessidade, os pesquisadores da Universidade de Michigan desenvolveram o Diff-SPORT, que combina modelos generativos com inferência avançada para oferecer simulações de fluxo urbano escaláveis e interpretáveis. Orientada por Ricardo Vinuesa, líder do VinuesaLab e professor associado de engenharia aeroespacial da Universidade de Michigan, a equipe combinou a dinâmica de fluidos computacionais com as plataformas de IA. O framework foi criado usando o NVIDIA PhysicsNeMo, que fornece a infraestrutura central para modelos de difusão e Machine Learning informados por física.
Cliente
VinuesaLab na Universidade de Michigan.
Caso de Uso
Simulação / Modelagem / Design
Pontos Principais
Treinamento Dez Vezes Mais Rápido
- Alcançou uma aceleração dez vezes maior no treinamento de modelos usando o NVIDIA PhysicsNeMo e a aceleração de GPU RTX™, reduzindo o tempo de processamento de horas para segundos.
Simulações de Fluxos Urbanos 3D
- Permitiu a modelagem de turbulência 3D de alta resolução em escala de cidade, avançando de ambientes 2D para ambientes 3D totalmente interativos para percepções mais precisas e práticas.
Percepções Ambientais em Tempo Real
- Desenvolveu um emulador em tempo real capaz de visualizar padrões de vento, pontos de poluentes e mudanças de temperatura, apoiando estratégias de planejamento urbano e resiliência orientadas por dados.
Monitoramento Consistente de Fluxos Turbulentos
O fluxo de vento é um fator crítico que molda a saúde, a sustentabilidade e a resiliência dos ambientes urbanos. Com mais de 4,2 bilhões de pessoas vivendo atualmente em cidades, e padrões de vento turbulentos se tornando cada vez mais imprevisíveis devido aos estressores induzidos pelo clima, agora é mais crítico do que nunca entender e simular com precisão fluxos de ar urbanos complexos.
Esses fluxos influenciam profundamente a qualidade do ar, uma grande preocupação, dado que a Organização Mundial da Saúde (OMS) que o número de mortes prematuras por ano devido à poluição do ar chegue a 4,2 milhões. Os fluxos de ar também contribuem para o efeito de calor urbano generalizado, que pode tornar as cidades de 3 a 5 graus Celsius mais quentes do que as áreas rurais vizinhas, aumentando significativamente a demanda por energia e os riscos de saúde relacionados ao calor.
O VinuesaLab, da Universidade de Michigan, tem trabalhado para criar uma simulação confiável de fluxos urbanos.
As origens dessa pesquisa começaram com o trabalho anterior de Ricardo Vinuesa usando estudos computacionais de aerodinâmica e mecânica de fluidos em aviões.
“Aerodinâmica e turbulência são problemas não resolvidos da física”, disse Ricardo Vinuesa, chefe do laboratório. “As soluções devem estar nos dados. Por isso, ficamos inspirados e intrigados pelo uso de métodos de IA para interrogar profundamente esses dados. Esses são os tipos de soluções que temos obtido para desenvolver frameworks muito eficientes”.
A criação de simulações precisas de fluxos de vento requer o posicionamento direcionado de sensores para monitorar equipamentos em paisagens urbanas em constante mudança, um processo que pode ser caro e demorado. Sem métodos eficientes de reconstrução de fluxo, é um desafio encontrar locais ideais que garantam a máxima precisão na captura de padrões de fluxo.
Além disso, os métodos tradicionais de dinâmica de fluidos computacionais (CFD) para simulação de fluxos urbanos enfrentaram um compromisso entre precisão e velocidade. A obtenção de resultados de alta fidelidade requer imensos recursos computacionais, tornando a análise em tempo real e a iteração rápida de design quase impossíveis para aplicações práticas.
Os modelos dos pesquisadores também foram restritos ao domínio do 2D, devido aos problemas de fluxo de fluidos em larga escala, que exigem dados e recursos incrivelmente intensivos. O sistema atual simplesmente não conseguiu acompanhar os requisitos de memória necessários e os tempos de treinamento mais longos necessários para escalar mais.
“Para alcançar a modelagem 3D em escala da cidade com resultados práticos para planejamento urbano, precisávamos de potência computacional muito além das abordagens tradicionais baseadas em CPU”, disse Vinuesa. “Reconhecemos que a aceleração de GPU era essencial para tornar a reconstrução de fluxos urbanos de alta resolução prática, e não puramente teórica”.
A modelagem de simulações urbanas em 3D foi vital para os pesquisadores porque a turbulência é inerentemente tridimensional. Para entender a física da turbulência, ela precisa ser mostrada em um espaço tridimensional e interativo para mostrar os movimentos coerentes e fluxos regionais que ocorrem em paisagens urbanas.
Escalando Oportunidades no Horizonte
O PhysicsNeMo continua abrindo novas possibilidades para a equipe de pesquisa da Universidade de Michigan. O software permite execuções contínuas em vários nós, o que significa que elas não são mais restritas por limitações de um único computador. Essa capacidade abre as portas para a modelagem de áreas metropolitanas inteiras em alta resolução.
Atualmente, a equipe está explorando colaborações na Europa e nos EUA para trabalhar com layouts de cidades reais. Barcelona e Southampton são duas regiões com projetos em andamento para implantar ainda mais essa tecnologia.
A NVIDIA continuou a apoiar esse projeto por meio do Programa de Subsídios Acadêmicos da NVIDIA, que premiou a equipe com oito GPUs NVIDIA A100 Tensor Core, acessadas por meio de 16 mil horas de computação e Open Hackathons. Recentemente, a equipe de pesquisa se envolveu em uma colaboração no âmbito do programa IA do NVIDIA Technology Center (NVAITC), na Finlândia, que provê assistência prática de engenharia para todos os frameworks da NVIDIA em um contexto de pesquisa.
Recentemente, o trabalho da equipe de pesquisa também foi integrado ao repositório do PhysicsNeMo, enfatizando sua colaboração contínua com o ecossistema da NVIDIA.
“Reconhecemos que a aceleração de GPU era essencial para tornar a reconstrução de fluxos urbanos de alta resolução prática, e não puramente teórica.”
Ricardo Vinuesa
Líder do VinuesaLab.
O framework PhysicsNeMo Python da NVIDIA auxilia no treinamento, na criação e na curadoria de modelos complexos baseados em física e gêmeos digitais.