cfd_jax机器学习&自动微积分&硬件加速器在流体动力学中潜在应用&推理模型

技术瘾君子1573

于 2024-09-04 00:00:00 发布

阅读量235

点赞数 7

分类专栏：人工智能&深度学习&机器学习文章标签：机器学习流体动力学硬件加速器自动微积分

本文链接：https://blog.csdn.net/qq_27815483/article/details/141391506

版权

人工智能&深度学习&机器学习专栏收录该内容

137 篇文章 1 订阅

订阅专栏

cfd

论文

Machine learning–accelerated computationalfluid dynamics

https://www.pnas.org/doi/epdf/10.1073/pnas.2101784118

模型结构

该模型包括一个卷积神经网络，该网络控制在标准数值求解器的对流计算中的学习近似。ψ和u分别指的是被输送和输送速度分量。对于空间维度，有d*d个对流通量模块的副本，对应于每个空间方向中每个速度分量的通量。

算法原理

CNN网络具有平移不变性。这意味着网络对输入数据的平移不敏感，即使图像中的对象位置发生了变化，网络也能识别出对象。在流体动力学的上下文中，网络能够识别出流动中相同的模式，无论它们在空间中如何移动。此外，卷积神经网络在空间上是局部化的，网络的操作集中在输入数据的局部区域。在流体动力学的背景下，网络专注于网格点周围的局部流速场，而不是整个流速场。这种局部化允许网络捕捉局部流动特征，如涡旋、边界层等，这对于准确模拟流体行为至关重要。

环境配置

Docker（方法一）

docker pull image.sourcefind.cn:5000/dcu/admin/base/jax:0.4.23-ubuntu20.04-dtk24.04-py310

docker run --shm-size 10g --network=host --name=jax_cfd --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v 项目地址(绝对路径):/home/ -v /opt/hyhal:/opt/hyhal:ro -it <your IMAGE ID> bash

pip install -e ".[complete]"

pip install dask jupyter

Dockerfile（方法二）

docker build -t <IMAGE_NAME>:<TAG> .

docker run --shm-size 10g --network=host --name=jax_cfd --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v 项目地址(绝对路径):/home/ -v /opt/hyhal:/opt/hyhal:ro -it <your IMAGE ID> bash

pip install -e ".[complete]"

pip install dask jupyter

Anaconda（方法三）

DTK驱动：dtk24.04
python：python3.10
jax: 0.4.23

Tips：以上dtk驱动、python、jax等DCU相关工具版本需要严格一一对应

2、其他非特殊库

pip install dask jupyter

数据集

使用SCNet 高速下载通道下载，

或

1、安装gsutil

curl -O https://dl.google.com/dl/cloudsdk/channels/rapid/downloads/google-cloud-sdk-367.0.0-linux-x86_64.tar.gz
tar zxvf google-cloud-sdk-367.0.0-linux-x86_64.tar.gz
cd /安装目录/google-cloud-sdk
bash install.sh

# 添加环境变量
vim ~/.bashrc
export PATH=$PATH:/安装目录/google-cloud-sdk/bin
source ~/.bashrc

2、下载数据

cd jax-cfd && mkdir content

gsutil -m cp gs://gresearch/jax-cfd/public_eval_datasets/kolmogorov_re_1000/eval_*.nc ./content

gsutil -m cp -r gs://gresearch/jax-cfd/public_eval_datasets/kolmogorov_re_1000_fig1 ./content

gsutil -m cp gs://gresearch/jax-cfd/public_eval_datasets/kolmogorov_re_1000/learned*.nc ./content

gsutil -m cp gs://gresearch/jax-cfd/public_eval_datasets/kolmogorov_re_1000/long_eval*.nc ./content

推理

1、下载模型

gsutil -m cp gs://gresearch/jax-cfd/public_models/*.pkl ./content

注意：可以使用SCNet高速下载通道下载。

2、执行

注意：跳过代码中需要下载数据的部分以及环境安装部分，根据实际情况修改相关文件路径。

# 执行该目录下的ipynb中的代码
cd notebooks

# 采用交错网格的二维有限体积法模拟
demo.ipynb

# 使用伪谱法解算器的二维模拟
spectral_forced_turbulence.ipynb

# 二维通道流模拟
channel_flow_demo.ipynb

# 在共位网格上使用有限体积法（FVM）的二维模拟
collocated_demo.ipynb

# PNAS论文
# 数据分析及评估
ml_accelerated_cfd_data_analysis.ipynb

# 预训练模型
ml_model_inference_demo.ipynb

注意：可以使用jupyter notebook --no-browser --ip=0.0.0.0 --allow-root启动运行环境。