女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Porous Media在運(yùn)輸中運(yùn)用物理信息深度學(xué)習(xí)

星星科技指導(dǎo)員 ? 來源:NVIDIA ? 作者:NVIDIA ? 2022-04-10 16:03 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

仿真在科學(xué)和工程的各個(gè)領(lǐng)域都很普遍,但它們往往受到計(jì)算時(shí)間長、計(jì)算資源有限、繁瑣的手動設(shè)置工作以及對技術(shù)專業(yè)知識需求的限制 NVIDIA SimNet 是一個(gè)模擬工具箱,它將人工智能和物理結(jié)合起來解決這些挑戰(zhàn)。

SimNet 應(yīng)用的一個(gè)成功例子是在多孔介質(zhì)中的流動和傳輸建模。這項(xiàng)努力是由斯坦福大學(xué)的博士生 Cedric Frances 領(lǐng)導(dǎo)的。

用例研究

Cedric 正在研究利用物理信息神經(jīng)網(wǎng)絡(luò)PINNs )進(jìn)行無網(wǎng)格油藏模擬的適用性和局限性。他對多孔介質(zhì)中的流動和輸運(yùn)問題(質(zhì)量守恒和達(dá)西流)非常感興趣。 Cedric 的應(yīng)用程序是一個(gè)基于 Python 的油藏模擬器,它可以計(jì)算多孔介質(zhì)中各種流體的壓力和濃度,并進(jìn)行通常會影響大型工業(yè)能源項(xiàng)目的預(yù)測。這包括生產(chǎn)碳?xì)浠衔铩Υ娑趸肌⑺幚怼⒖諝鈨Υ妗U物管理等等。

研究人員以前試圖使用 PINNs 方法來捕捉一個(gè)具有非凸通量項(xiàng)的雙曲問題( Riemann 問題)的正解,除了初始條件和邊界條件之外沒有其他數(shù)據(jù)。不幸的是,這些嘗試是 unsuccessful 。

在試用 SimNet 之前, Cedric 使用 Python 和 TensorFlow 和 Keras 等深度學(xué)習(xí)框架開發(fā)了自己的 pinn 實(shí)現(xiàn)。他使用了各種網(wǎng)絡(luò)結(jié)構(gòu),如殘差、 GAN 、周期激活、 CNN 、 PDE 網(wǎng)絡(luò)等。然而,很難實(shí)現(xiàn)所有這些目標(biāo),以找出哪一個(gè)效果最好或根本不起作用。 GitHub 上開源代碼的出現(xiàn)使得測試這些實(shí)現(xiàn)變得很容易。每一個(gè)新的實(shí)現(xiàn)都涉及到很高的開銷,比如環(huán)境設(shè)置、硬件配置、修改代碼來測試自己的問題等等,這些都是不高效的。

Cedric 希望有一個(gè)由專業(yè)軟件開發(fā)人員團(tuán)隊(duì)維護(hù)的良好、統(tǒng)一的框架來解決問題,使他能夠?qū)W⒂趩栴}的物理性,并廣泛測試最近發(fā)布的方法。當(dāng)他偶然發(fā)現(xiàn) SimNet 時(shí),他對這樣一個(gè)框架的探索就結(jié)束了。

塞德里克下載了 SimNet 并開始使用具有 tanh 激活函數(shù)和損失函數(shù)空間加權(quán)的全連接網(wǎng)絡(luò)。他發(fā)現(xiàn) SimNet 的通用框架(包含多種體系結(jié)構(gòu)和文檔豐富的示例)是一個(gè)很好的起點(diǎn)。它能夠模擬具有劇烈沖擊的解決方案,引入熵和速度等新的動態(tài)約束,為他節(jié)省了數(shù)周的開發(fā)時(shí)間。更重要的是,它提供了測試方法的快速轉(zhuǎn)變,以確定它們的有用性。

本文提出的問題是多孔介質(zhì)中兩相不可壓縮、不互溶的位移問題。這也被稱為運(yùn)輸問題,多年來以各種形式加以描述。半個(gè)多世紀(jì)以來,它一直應(yīng)用于油藏注水開發(fā)中的水驅(qū)油問題。最近,它被應(yīng)用于 CO 驅(qū)鹽水2在碳封存應(yīng)用中。有關(guān)詳細(xì)信息,請參閱 砂土流體驅(qū)替機(jī)理 和 注氣過程理論 。

假設(shè)潤濕相(w)正在取代非潤濕相(n)。潤濕性是一種流體與被另一種流體包圍的固體接觸的傾向性;例如,與空氣相比,水在大多數(shù)表面是濕潤的。質(zhì)量守恒適用于兩相。對于濕潤階段:

這里解的偏微分方程是一階雙曲型的,分?jǐn)?shù)流項(xiàng)是非凸的。它屬于黎曼守恒問題的一類,通常用有限體積法求解。有關(guān)詳細(xì)信息,請參閱 雙曲守恒律組與沖擊波的數(shù)學(xué)理論 。

在均勻 Dirichlet 邊界條件下:

你可以應(yīng)用特征線法( MOC )來建立這個(gè)方程的解析解。為了使 MOC 或任何有限體積法保持保守,必須修改圖 1 所示的分?jǐn)?shù)流項(xiàng)。

圖 1 .對于 Swc = Sor = 0 的情況,分?jǐn)?shù)流量曲線(藍(lán)色)和 Welge 結(jié)構(gòu)(黑色虛線)。來源:多孔介質(zhì)流動和輸運(yùn)的物理基礎(chǔ)

到目前為止,還沒有其他已知的方法使用抽樣方法來解決這樣的問題,因此這仍然是一個(gè)懸而未決的問題。 Fuks 和 Tchelepi 先前的一次嘗試得出結(jié)論,物理信息方法不適合所描述的問題(圖 2 )。

圖 3 .在速度約束和熵條件下,使用 PINN (紅色虛線)和 MOC (藍(lán)色虛線)進(jìn)行飽和度推斷的結(jié)果。采用分?jǐn)?shù)流量曲線的凸殼來模擬位移。資料來源:多孔介質(zhì)流動和輸運(yùn)的物理基礎(chǔ)

塞德里克關(guān)于這個(gè)主題的研究已經(jīng)發(fā)表了: 多孔介質(zhì)流動和輸運(yùn)的物理基礎(chǔ) 。

重要的理論里程碑正在簡單而富有挑戰(zhàn)性的一維例子中實(shí)現(xiàn)。 Cedric 計(jì)劃將他的研究擴(kuò)展到更大的維度( 2D 和 3D ),在這里,代碼的可伸縮性和在更大陣列上的輕松部署將受到考驗(yàn)。他預(yù)計(jì)會遇到類似的問題,并期待著 SimNet 從 2D 到 3D 帶來的好處。

塞德里克詳細(xì)闡述了他在 SimNet 的經(jīng)歷。” SimNet 清晰的 API 、干凈且易于導(dǎo)航的代碼、使用 Docker 容器良好處理的環(huán)境和硬件配置、可擴(kuò)展性、易部署性以及稱職的支持團(tuán)隊(duì)使其易于采用,并提供了一些非常有前景的結(jié)果。到目前為止,這非常好,我們期待著在更大維度的問題上使用 SimNet 。”

關(guān)于作者

Cedric G. Fraces 擁有碩士學(xué)位,目前是斯坦福大學(xué)能源工程博士學(xué)位候選人。他的研究需要將物理知識應(yīng)用于油藏模擬。他是一名油藏工程師,在美國、加拿大、中國、伊拉克、科威特、哈薩克斯坦、巴西、墨西哥和哥倫比亞的主要油田的能源行業(yè)擁有超過 14 年的工作經(jīng)驗(yàn),并參與了有關(guān)相應(yīng)資產(chǎn)開發(fā)和管理的行政決策。

Sanjay Choudhry 是 NVIDIA 的高級主管,對傳統(tǒng)計(jì)算方法以及科學(xué)和工程領(lǐng)域的機(jī)器學(xué)習(xí)都有很強(qiáng)的背景。他領(lǐng)導(dǎo) SimNet 的工程工作,并熱衷于為工業(yè)應(yīng)用開發(fā)基于人工智能的模擬解決方案。

Rekha Mukund 是 NVIDIA 計(jì)算組的產(chǎn)品經(jīng)理,負(fù)責(zé)為汽車、 Jetson 和 Android 平臺開發(fā) CUDA Tegra 產(chǎn)品。她還負(fù)責(zé)管理 NVIDIA SimNet 產(chǎn)品和 OpenCL 計(jì)劃。在加入 NVIDIA 之前, Rekha 在付費(fèi)電視技術(shù)領(lǐng)域與思科合作了八年多。她是英國大學(xué)計(jì)算機(jī)科學(xué)學(xué)院的金牌獲得者,他是印度國家級乒乓球運(yùn)動員和狂熱的旅行者。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • Android
    +關(guān)注

    關(guān)注

    12

    文章

    3973

    瀏覽量

    130218
  • NVIDIA
    +關(guān)注

    關(guān)注

    14

    文章

    5309

    瀏覽量

    106349
  • API
    API
    +關(guān)注

    關(guān)注

    2

    文章

    1613

    瀏覽量

    64011
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    RFID標(biāo)簽在車輛運(yùn)輸的應(yīng)用介紹

    RFID標(biāo)簽在車輛運(yùn)輸的具體應(yīng)用場景及優(yōu)勢:1.車輛進(jìn)出管理RFID標(biāo)簽可以安裝在車輛上,通過停車場或倉庫出入口的RFID讀寫器自動識別車輛信息,實(shí)現(xiàn)門禁控制。系統(tǒng)自動記錄時(shí)間、車牌等信息
    的頭像 發(fā)表于 03-14 17:11 ?386次閱讀
    RFID標(biāo)簽在車輛<b class='flag-5'>運(yùn)輸</b><b class='flag-5'>中</b>的應(yīng)用介紹

    軍事應(yīng)用深度學(xué)習(xí)的挑戰(zhàn)與機(jī)遇

    人工智能尤其是深度學(xué)習(xí)技術(shù)的最新進(jìn)展,加速了不同應(yīng)用領(lǐng)域的創(chuàng)新與發(fā)展。深度學(xué)習(xí)技術(shù)的發(fā)展深刻影響了軍事發(fā)展趨勢,導(dǎo)致戰(zhàn)爭形式和模式發(fā)生重大變化。本文將概述
    的頭像 發(fā)表于 02-14 11:15 ?535次閱讀

    AI自動化生產(chǎn):深度學(xué)習(xí)在質(zhì)量控制的應(yīng)用

    生產(chǎn)效率、保證產(chǎn)品質(zhì)量方面展現(xiàn)出非凡的能力。阿丘科技「AI干貨補(bǔ)給站」推出《AI自動化生產(chǎn):深度學(xué)習(xí)在質(zhì)量控制的應(yīng)用》文章,探討深度學(xué)習(xí)
    的頭像 發(fā)表于 01-17 16:35 ?692次閱讀
    AI自動化生產(chǎn):<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>在質(zhì)量控制<b class='flag-5'>中</b>的應(yīng)用

    一文詳解物理信息神經(jīng)網(wǎng)絡(luò)

    物理信息神經(jīng)網(wǎng)絡(luò) (PINN) 是一種神經(jīng)網(wǎng)絡(luò),它將微分方程描述的物理定律納入其損失函數(shù),以引導(dǎo)學(xué)習(xí)過程得出更符合基本
    的頭像 發(fā)表于 12-05 16:50 ?8317次閱讀
    一文詳解<b class='flag-5'>物理</b><b class='flag-5'>信息</b>神經(jīng)網(wǎng)絡(luò)

    松下KAIROS助力Globstream Media打造遠(yuǎn)程制作解決方案

    知名制作公司Globstream Media在體育賽事轉(zhuǎn)播的業(yè)務(wù)拓展,致力于廣泛的本地及遠(yuǎn)程制作的應(yīng)用。在本次與路易斯安那理工大學(xué)的合作,鑒于學(xué)校與公司的實(shí)際距離較遠(yuǎn),采用拖車(運(yùn)輸
    的頭像 發(fā)表于 11-27 09:37 ?531次閱讀

    GPU在深度學(xué)習(xí)的應(yīng)用 GPUs在圖形設(shè)計(jì)的作用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心部分,已經(jīng)成為推動技術(shù)進(jìn)步的重要力量。GPU(圖形處理單元)在深度學(xué)習(xí)扮演著至關(guān)重要的角色,
    的頭像 發(fā)表于 11-19 10:55 ?1616次閱讀

    深度學(xué)習(xí)RNN的優(yōu)勢與挑戰(zhàn)

    循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)是深度學(xué)習(xí)領(lǐng)域中處理序列數(shù)據(jù)的基石。它們通過在每個(gè)時(shí)間步長上循環(huán)傳遞信息,使得網(wǎng)絡(luò)能夠捕捉時(shí)間序列數(shù)據(jù)的長期依賴關(guān)系。然而,盡管RNN在某些任務(wù)上表現(xiàn)出色,它們
    的頭像 發(fā)表于 11-15 09:55 ?1321次閱讀

    NPU在深度學(xué)習(xí)的應(yīng)用

    設(shè)計(jì)的硬件加速器,它在深度學(xué)習(xí)的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對深度學(xué)習(xí)算法優(yōu)化的處理器,它與傳統(tǒng)的CPU和G
    的頭像 發(fā)表于 11-14 15:17 ?1902次閱讀

    pcie在深度學(xué)習(xí)的應(yīng)用

    深度學(xué)習(xí)模型通常需要大量的數(shù)據(jù)和強(qiáng)大的計(jì)算能力來訓(xùn)練。傳統(tǒng)的CPU計(jì)算資源有限,難以滿足深度學(xué)習(xí)的需求。因此,GPU(圖形處理單元)和TPU(張量處理單元)等專用硬件應(yīng)運(yùn)而生,它們通過
    的頭像 發(fā)表于 11-13 10:39 ?1342次閱讀

    Pytorch深度學(xué)習(xí)訓(xùn)練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學(xué)習(xí)訓(xùn)練。
    的頭像 發(fā)表于 10-28 14:05 ?651次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>訓(xùn)練的方法

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)的應(yīng)用廣泛且重要,以下是一些GPU深度學(xué)習(xí)應(yīng)用案例: 一、圖像識別 圖像識別是深度
    的頭像 發(fā)表于 10-27 11:13 ?1353次閱讀

    激光雷達(dá)技術(shù)的基于深度學(xué)習(xí)的進(jìn)步

    信息。這使得激光雷達(dá)在自動駕駛、無人機(jī)、機(jī)器人等領(lǐng)域具有廣泛的應(yīng)用前景。 二、深度學(xué)習(xí)技術(shù)的發(fā)展 深度學(xué)習(xí)是機(jī)器
    的頭像 發(fā)表于 10-27 10:57 ?1061次閱讀

    FPGA加速深度學(xué)習(xí)模型的案例

    FPGA(現(xiàn)場可編程門陣列)加速深度學(xué)習(xí)模型是當(dāng)前硬件加速領(lǐng)域的一個(gè)熱門研究方向。以下是一些FPGA加速深度學(xué)習(xí)模型的案例: 一、基于FPGA的AlexNet卷積運(yùn)算加速 項(xiàng)目名稱
    的頭像 發(fā)表于 10-25 09:22 ?1220次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對兩者關(guān)系的介紹: 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?2879次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    的發(fā)展前景較為廣闊,但也面臨一些挑戰(zhàn)。以下是一些關(guān)于 FPGA 在深度學(xué)習(xí)應(yīng)用前景的觀點(diǎn),僅供參考: ? 優(yōu)勢方面: ? 高度定制化的計(jì)算架構(gòu):FPGA 可以根據(jù)深度
    發(fā)表于 09-27 20:53