元宇宙爆火，但真正了解它的人很少，哪怕那些号称正在构建元宇宙的人或机构。不过这不会降低我们探求这一全新科技命题的热情和执着。本文开始，我们将持续关注和报道相关内容，同大家一道体验成长的烦恼和喜悦。

从重建城市中的单个建筑来深度分析能源使用状况，到重建地球气候系统来理解环保政策对气候变化的影响。科技巨头英伟达（Nvidia）的Omniverse是专为3D 设计协作和数据孪生模拟而构建的开放平台。我们可以把它看作能够协助开发者创建“元宇宙”的平台，也可以看作是英伟达自己宏大的“元宇宙”项目。

在去年的全球AI开发者大会GTC21上就掀起波澜，基于模量框架模型和物理的Omniverse实时仿真平台被用于发电厂的电力数字孪生预见性维护，同时将在未来几年,计划使用这些工具来创建一个数字孪生的地球。如今，在GTC22大会上，英伟达加倍下注于它的科学孪生，宣布将进一步整合Omniverse和模量来模拟“地球2号”（Earth-2）和可再生能源。

“基本上，我们正在将模量集成到Omniverse中。”英伟达数据中心产品高级经理哈里斯（Dion Harris）解释道。模量可以作为Omniverse的一个扩展，允许用户构建提供实时、交互式、人工智能驱动的物理世界模拟模型。

“模量”（Modulus）可以理解为是一种标准量或指标。

接近地球2号

Earth-2再次成为了关注的焦点。哈里斯展示了一张图表，说明了在亚米分辨率下进行地球系统建模的进展规划——这是解决许多重要云层形成所需的分辨率。哈里斯说:“我们还需要40年的时间才能达到这个标准。这个周期太长了，所以Earth-2的全部希望基本上来自人工智能，来自数字孪生模型。这样我们就可以加快这一过程，更好地了解气候，在为时已晚之前做些什么。”

地球2号，就是一个前所未有的结合第一性原理模拟和数据驱动模型，呈现在一个实时的，交互式的数字孪生地球。

“作为第一步，我们已经开发了一个人工智能代理模型，”他说。“因此，我们与来自伯克利实验室、加州理工学院、普渡大学、密歇根大学和莱斯大学的合作者合作，建立了这个名为FourCastNet的人工智能代理模型。”

FourCastNet是“傅里叶预测神经网络”的缩写，它是一种可以在低分辨率下训练模型，然后用更高分辨率的数据插值应用的结果。FourCastNet在相当精度的情况下，比传统计算流体动力学的速度快4.5万倍(能源效率提高了1.2万倍)。英伟达表示，这一性能改进可以实现更大的集合气候模型，可以进行数千次迭代。

实现这些进步成果的傅立叶神经算子现在已集成到英伟达的数字孪生工具中，使用户能够在模量中构建像FourCastNet这样的模型，在Omniverse上使用。

英伟达高级开发技术科学家和工程师Karthik Kashinath表示:“数字孪生技术允许研究人员和决策者与数据进行交互，并快速探索假设场景，而传统建模技术几乎不可能实现这一点，因为它们昂贵且耗时。”“作为地球2号的核心，英伟达的FourCastNet能够更快、更准确地模拟全球天气的物理和动力学，从而使数字孪生地球的开发成为可能。”

英伟达首席执行官黄仁勋(Jensen Huang)在3月22日GTC的主题演讲中表示:“在降水预测方面，深度学习模型首次实现了比最先进的数值模型更好的准确性和技能。”

数字孪生的风力

英伟达展示的Modulus-Omniverse组合的第二个用例是与西门子的合作，后者此前曾与英伟达的数字孪生公司合作，用于预测电厂维护。这一次，他们与西门子能源旗下的可再生能源公司西门子Gamesa合作。利用Omniverse和模量，建立一个数字孪生风电场。

如果你观察一个风电场，那些风机看起来是随机分布的。但实际上，它们需要科学而细致地规划和放置。这样，当风经过风电场时，有助于推动风机并产生更多的电力。

要弄清楚如何优化这种布局，需要“密集的模拟”，因此西门子Gamesa正在使用模量和Omniverse来创建其风力发电场的数字孪生，以模拟相互靠近的风机的影响。在这个应用中使用其数字孪生模型——也由傅里叶神经算子驱动——与传统的涡轮模拟模型相比，可以实现高达4000倍的加速。

这个合作意味着，在计算流体力学等复杂领域，在加快计算速度和最新算法开发部署速度方面向前迈出了一大步。

利用数据中心规模的人工智能加速计算，有可能带来数百万倍的性能提升，以应对减缓气候变化、发现药物和发现新可再生能源等挑战。英伟达的人工智能科学数字孪生框架，使研究人员能够寻求这些大规模问题的解决方案。虽然地球2号还没有完全到来，我们也能够通过这些实际应用的真实结果一窥元宇宙真正的价值吧。

来源：Ai时代前沿