X-MeshGraphNet: фреймворк от NVIDIA для физического моделирования на основе графовых нейросетей

Современные методы, такие как анализ конечных элементов (FEA — Finite Element Analysis) и вычислительная гидродинамика (CFD — Computational Fluid Dynamics), требуют существенных вычислительных ресурсов. X-MeshGraphNet предлагает более эффективную альтернативу, сохраняя высокую точность при использовании для real-time приложений и в оптимизации дизайна.

Подробнее о модели

Фреймворк расширяет возможности MeshGraphNet через:

• Построение пользовательских графов напрямую из CAD-файлов вместо генерации 3D-мэша на этапе инференса;
• Разбиение графа на halo-области для масштабируемой обработки;
• Генерацию графов разного масштаба для эффективной обработки как локальных, так и глобальных взаимодействий.

X-MeshGraphNet использует трехуровневую систему: генерацию облака точек непосредственно из CAD-файлов, разбиение графа с halo-областями для бесшовную передачи сообщений, мультискейл репрезентацию, комбинирующую coarse и fine-resolution облака точек.

Фреймворк базируется на 15 слоях message passing, скрытой размерности 256, ReLU активациях и обучении с использованием bfloat16 на GPU H100.

Производительность X-MeshGraphNet

Исследователи проверили производительность X-MeshGraphNet на трех репрезентативных сэмплах (100, 300 и 500) из датасета DrivAerML с различной геометрией автомобилей. Тесты продемонстрировали консистентную точностьь модели для разных дизайнов, успешно предсказывая разпределение давления воздуха и паттерны пристеночного сдвигового напряжения.

Предсказания модели точно соответствовали эталонным CFD-симуляциям, особенно хорошо определяя зоны высокого давления в передней части автомобилей и области низкого давления вокруг задней части. Модель сохраняла высокую точность в предсказании сложных аэродинамических характеристик для всех трех сэмплов, несмотря на их различные геометрические особенности.

X-MeshGraphNet представляет собой значительный прогресс в физическом моделировании и предлагает практическое решение для real-time приложений при сохранении точности результата. Его интеграция в NVIDIA Modulus делает его легко доступным для исследователей и инженеров.