NVIDIA가 이 시대 최고의 난제들과 관련된 작업의 가속화를 위해 AI 프레임 워크를 공개했습니다. NVIDIA의 AI 프레임 워크는 커스터마이징이 가능하고 도입이 간편한 물리 기반 툴킷을 엔지니어와 과학자, 연구자에게 제공해 디지털 트윈(digital twin)의 신경망 모델을 구축합니다.
NVIDIA Modulus는 물리학-머신 러닝(ML) 개발용 프레임워크로, 단백질 엔지니어링이나 기후 과학처럼 AI와 물리 기반 디지털 트윈의 전문 역량이 아직 미비하지만 그 필요성만큼은 급증하고 있는 여러 분야를 가속하도록 설계됩니다.
디지털 트윈은 신약 개발과 같은 분자 수준의 문제부터 기후 변화 등의 세계적 과제에 이르기까지 다양한 난관을 해결하는 강력한 도구로 부상하고 있는데요. NVIDIA Modulus가 제공하는 프레임워크는 복잡하고 역동적인 시스템의 디지털 복제품을 고도의 정확성으로 구축해 광범위한 산업 전반에서 차세대 혁신을 견인할 전망입니다.
물리 기반 신경망
NVIDIA Modulus는 물리학의 기본 법칙들로 신경망을 훈련해 다양한 범주의 복잡한 시스템들이 동작하는 방식을 모델링합니다. 이렇게 탄생한 대리 모델(surrogate model)은 산업계의 개별 활용 사례와 기후 과학 등 디지털 트윈이 응용되는 여러 분야에 사용할 수 있죠.
AI 기반 접근법 대부분이 그렇듯 Modulus에는 데이터 준비 모듈이 탑재되어 관측 또는 시뮬레이션 데이터의 관리를 돕습니다. 또한 모델링하는 대상 시스템의 지오메트리(geometry)와 인풋 지오메트리로 표현되는 공간의 명시적 파라미터를 설명합니다.
Modulus의 주요 워크플로우와 핵심 요소는 다음과 같습니다.
- 준무작위(quasi-random) 샘플링이나 중요도 샘플링 등의 접근법을 사용자가 선택하도록 지원해 훈련 모델의 컨버전스(convergence)와 정확도를 개선하는 샘플링 플래너(sampling planner).
- 상징적이고 지배적인 편미분방정식을 가져와 물리 기반 신경망을 구축하는 파이썬(Python) 기반 API.
- 물리 기반 문제에서 효과가 입증된 레이어 큐레이션(curation)과 네트워크 아키텍처.
- 파이토치(PyTorch)와 텐서플로우(TensorFlow), GPU 가속화용 cuDNN, 다중 GPU와 멀티노드 스케일링용 NVIDIA Magnum IO를 사용해 모델을 훈련하는 물리학-ML 엔진
신속한 턴어라운드 시간(turnaround time)
Modulus GPU 가속 툴킷은 신속한 턴어라운드로 기존 분석을 보완하고 인사이트의 도출을 앞당깁니다. 또한 Modulus를 사용해 파라미터의 변경이 미치는 영향을 평가하며 특정 시스템의 여러 구성과 시나리오를 탐색할 수 있죠.
고성능 텐서플로우(TensorFlow)를 기반으로 도입한 Modulus는 텐서플로우 모델을 가속하는 선형 대수학용 도메인별 컴파일러인 XLA로 성능을 최적화합니다. 다중 GPU 스케일링에는 호로보드(Horovod) 분산형 딥 러닝 훈련 프레임워크를 사용하죠.
모델이 훈련을 마치면 Modulus는 실시간에 가깝게 혹은 인터랙티브 방식으로 추론을 실행할 수 있습니다. 반면 기존의 분석은 한 번에 하나씩 평가를 거쳐야 하며, 각각의 연산에는 많은 비용이 소모됩니다.
간편한 도입
Modulus는 커스터마이징이 가능하며 도입이 간편합니다. 새로운 물리학과 기하학의 도입을 지원하는 API를 제공하죠. AI 기반 디지털 트윈 응용 분야의 입문자도 작업에 신속히 투입할 수 있도록 설계됩니다.
이 프레임워크에는 계산 유체 역학과 열전달 등의 작업 시작을 위한 단계별 튜토리얼이 포함되어 있습니다. 난기류, 트랜션트(transient) 파동 방정식, 나비에-스토크스 방정식, 전자기학의 맥스웰 방정식, 역문제(inverse problems)와 기타 다중물리(Multiphysics) 문제의 모델링 등 Modulus를 도입할 수 있는 영역 또한 계속 늘고 있죠.
NVIDIA Modulus는 NVIDIA Developer Zone을 통해 무료로 다운로드할 수 있습니다.
온라인으로 진행된 NVIDIA GTC의 Modulus 관련 논의를 확인하세요! 아래에서 NVIDIA 창립자 겸 CEO 젠슨 황(Jensen Huang)의 GTC 키노트도 시청하세요.