BanuMusa | بنوموسی
قدرت فناوری HPC / AI فقط یک شرکت. البته نه هر شرکتی! پول در خلاقیت و دانش و استفاده از فرصتهاست و البته این نوع پول تبدیل به رضایت خاطر خاصی میشود. ..
در پروژه متنباز Blaze GEM، مدلی برای آموزش مدل دیجیتال آسیاب (SAG mill) خودکار ارائه شده است. این مدل با استفاده از یک کارت گرافیک (GPU NVIDIA)، 8 میلیون مثلث هندسی (برای محاسبه مستقیم سایش)، 8 میلیون ذره (احتمالاً DEM برای سنگ معدن) و 16 میلیون ذره (احتمالاً SPH برای سیال) را شبیهسازی میکند.
شبیهسازی 64 ثانیه از فرآیند به 32 ساعت محاسبه نیاز دارد. عملکرد مدل در حد مطلوب است، اما نکته قابل توجه، کیفیت بالای تصاویر ارائه شده توسط مدل است.
این تحقیق توسط برنامه NVIDIA Applied Research Accelerator تامین مالی می شود و پتانسیل انقلابی در صنعت معدن را با امکان استفاده از ابزارهای استنباط مبتنی بر فیزیک دارد.
محققان قصد دارند از این شبیه سازی برای آموزش شبکه های عصبی مبتنی بر فیزیک (PINN) برای ایجاد یک ابزار استنباط برای صنعت معدن استفاده کنند. این ابزار می تواند برای بهینه سازی عملکرد آسیاب، پیش بینی نیازهای تعمیر و نگهداری و بهبود کارایی استفاده شود.
#BlazeGEM #PINN #mining #nvidia #gpu #digitaltwins
شبیهسازی 64 ثانیه از فرآیند به 32 ساعت محاسبه نیاز دارد. عملکرد مدل در حد مطلوب است، اما نکته قابل توجه، کیفیت بالای تصاویر ارائه شده توسط مدل است.
این تحقیق توسط برنامه NVIDIA Applied Research Accelerator تامین مالی می شود و پتانسیل انقلابی در صنعت معدن را با امکان استفاده از ابزارهای استنباط مبتنی بر فیزیک دارد.
محققان قصد دارند از این شبیه سازی برای آموزش شبکه های عصبی مبتنی بر فیزیک (PINN) برای ایجاد یک ابزار استنباط برای صنعت معدن استفاده کنند. این ابزار می تواند برای بهینه سازی عملکرد آسیاب، پیش بینی نیازهای تعمیر و نگهداری و بهبود کارایی استفاده شود.
#BlazeGEM #PINN #mining #nvidia #gpu #digitaltwins
This media is not supported in your browser
VIEW IN TELEGRAM
NVIDIA cuDF Accelerates pandas Nearly 150x with Zero Code Changes
cuDF is a Python GPU DataFrame library (built on the Apache Arrow columnar memory format) for loading, joining, aggregating, filtering, and otherwise manipulating tabular data using a DataFrame style API in the style of pandas.
cuDF includes a pandas accelerator mode (cudf.pandas), enabling you to accelerate your pandas workflows without requiring any code change.
🌎 Live Demo: https://colab.research.google.com/github/rapidsai-community/showcase/blob/main/getting_started_tutorials/cudf_pandas_stocks_demo.ipynb
#engineering #coding #cuda #nvidia #pandas
cuDF is a Python GPU DataFrame library (built on the Apache Arrow columnar memory format) for loading, joining, aggregating, filtering, and otherwise manipulating tabular data using a DataFrame style API in the style of pandas.
cuDF includes a pandas accelerator mode (cudf.pandas), enabling you to accelerate your pandas workflows without requiring any code change.
🌎 Live Demo: https://colab.research.google.com/github/rapidsai-community/showcase/blob/main/getting_started_tutorials/cudf_pandas_stocks_demo.ipynb
#engineering #coding #cuda #nvidia #pandas
Google
cudf_pandas_stocks_demo.ipynb
Run, share, and edit Python notebooks
دوقلوی دیجیتال در اسکیل معدن در دنیا انجام می شود.
اگر در صنعت شما نیاز به دوقلوی دیجیتال هست، حتما با ما تماس بگیرید.
#AnsysEnSight #nvidia #edem #mining #digitaltwin
اگر در صنعت شما نیاز به دوقلوی دیجیتال هست، حتما با ما تماس بگیرید.
#AnsysEnSight #nvidia #edem #mining #digitaltwin
ترجمه ماشینی متن بالا
ایجاد دوقلوهای دیجیتال بلادرنگ برای مهندسی به کمک کامپیوتر با استفاده از Omniverse Blueprints شرکت NVIDIA
دوقلوهای دیجیتال بلادرنگ در حال تحول در شبیهسازی مهندسی به کمک کامپیوتر (CAE) هستند و به مهندسان این امکان را میدهند تا با مشاهده تأثیر تغییرات به صورت بلادرنگ، طراحیها را سریعتر آزمایش و اصلاح کنند. این ویدیو نشان میدهد که چگونه شرکت Luminary Cloud از Omniverse Blueprints برای ایجاد یک تونل باد مجازی برای شبیهسازی بلادرنگ دینامیک سیالات محاسباتی (CFD) استفاده کرده است. این کاربرد Omniverse Blueprints فرآیند ایجاد دوقلوهای دیجیتال را برای صنایعی مانند خودروسازی، هوافضا، و طراحی کشتی سادهتر میکند.
#digitaltwin #nvidia #cfd
ایجاد دوقلوهای دیجیتال بلادرنگ برای مهندسی به کمک کامپیوتر با استفاده از Omniverse Blueprints شرکت NVIDIA
دوقلوهای دیجیتال بلادرنگ در حال تحول در شبیهسازی مهندسی به کمک کامپیوتر (CAE) هستند و به مهندسان این امکان را میدهند تا با مشاهده تأثیر تغییرات به صورت بلادرنگ، طراحیها را سریعتر آزمایش و اصلاح کنند. این ویدیو نشان میدهد که چگونه شرکت Luminary Cloud از Omniverse Blueprints برای ایجاد یک تونل باد مجازی برای شبیهسازی بلادرنگ دینامیک سیالات محاسباتی (CFD) استفاده کرده است. این کاربرد Omniverse Blueprints فرآیند ایجاد دوقلوهای دیجیتال را برای صنایعی مانند خودروسازی، هوافضا، و طراحی کشتی سادهتر میکند.
#digitaltwin #nvidia #cfd
بلاگ: 2قلوی دیجیتال با NVIDIA Omniverse – شبیه سازی تونل باد با شبیه سازی هوش مصنوعی
در دنیای امروز، فناوریهای پیشرفته به ما این امکان را میدهند که فرآیندهای مهندسی را به طرز چشمگیری بهبود بخشیم. یکی از این فناوریها، NVIDIA Omniverse است که به مهندسان این امکان را میدهد تا شبیهسازی دیجیتال تویین (یا به فارسی دوقلوی دیجیتال) را در زمان واقعی ایجاد کنند. در این مقاله، به بررسی چگونگی استفاده از این فناوری و مزایای آن خواهیم پرداخت.
#nvidia #omniverse #cfd #ai #blog
در دنیای امروز، فناوریهای پیشرفته به ما این امکان را میدهند که فرآیندهای مهندسی را به طرز چشمگیری بهبود بخشیم. یکی از این فناوریها، NVIDIA Omniverse است که به مهندسان این امکان را میدهد تا شبیهسازی دیجیتال تویین (یا به فارسی دوقلوی دیجیتال) را در زمان واقعی ایجاد کنند. در این مقاله، به بررسی چگونگی استفاده از این فناوری و مزایای آن خواهیم پرداخت.
#nvidia #omniverse #cfd #ai #blog
این خبر هیجان داشت!
آیا باید منتظر DNS در CFD روی GPU باشیم؟
یک زمانی، Ansys با انجام اولین شبیهسازی یک میلیارد المانی در Fluent خبرساز شد. پس از آن، مقیاسپذیری خطی این نرمافزار روی ۱۰۰ هزار هسته پردازنده نشان داده شد. اما اکنون، در عصر NVIDIA، شاهد آنیم که پردازشگر گرافیکی داخلی Fluent قادر است ۲.۴ میلیارد سلول را روی ۳۲۰ تراشه GPU (سوپرچیپهای GH200 Grace Hopper) پردازش کند.
این پیشرفت باعث کاهش زمان اجرای شبیهسازیهای پیچیده از چهار هفته به شش ساعت شده و عملکردی معادل 225,390 هسته CPU را ارائه میدهد.
با این پیشرفتها، آیا باید در آیندهای نزدیک منتظر استفاده از DNS (Direct Numerical Simulation) در CFD روی GPU باشیم؟
شبیهسازی عددی مستقیم یکی از دقیقترین روشهای عددی در CFD است که تمام مقیاسهای طولی و زمانی آشفتگی را بدون نیاز به مدلسازی تقریب میزند. در این روش، معادلات ناویر-استوکس بهصورت کامل و بدون هیچ مدل توربولانسی حل میشوند.
🔗 اطلاعات بیشتر
https://www.ansys.com/news-center/press-releases/11-18-24-ansys-speeds-cfd-simulation-with-nvidia-superchips
#cfd #ansys #fluent #gpu #nvidia
آیا باید منتظر DNS در CFD روی GPU باشیم؟
یک زمانی، Ansys با انجام اولین شبیهسازی یک میلیارد المانی در Fluent خبرساز شد. پس از آن، مقیاسپذیری خطی این نرمافزار روی ۱۰۰ هزار هسته پردازنده نشان داده شد. اما اکنون، در عصر NVIDIA، شاهد آنیم که پردازشگر گرافیکی داخلی Fluent قادر است ۲.۴ میلیارد سلول را روی ۳۲۰ تراشه GPU (سوپرچیپهای GH200 Grace Hopper) پردازش کند.
این پیشرفت باعث کاهش زمان اجرای شبیهسازیهای پیچیده از چهار هفته به شش ساعت شده و عملکردی معادل 225,390 هسته CPU را ارائه میدهد.
با این پیشرفتها، آیا باید در آیندهای نزدیک منتظر استفاده از DNS (Direct Numerical Simulation) در CFD روی GPU باشیم؟
شبیهسازی عددی مستقیم یکی از دقیقترین روشهای عددی در CFD است که تمام مقیاسهای طولی و زمانی آشفتگی را بدون نیاز به مدلسازی تقریب میزند. در این روش، معادلات ناویر-استوکس بهصورت کامل و بدون هیچ مدل توربولانسی حل میشوند.
🔗 اطلاعات بیشتر
https://www.ansys.com/news-center/press-releases/11-18-24-ansys-speeds-cfd-simulation-with-nvidia-superchips
#cfd #ansys #fluent #gpu #nvidia