在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

Porous Media在運輸中運用物理信息深度學習

星星科技指導員 ? 來源:NVIDIA ? 作者:NVIDIA ? 2022-04-10 16:03 ? 次閱讀

仿真在科學和工程的各個領域都很普遍,但它們往往受到計算時間長、計算資源有限、繁瑣的手動設置工作以及對技術專業知識需求的限制 NVIDIA SimNet 是一個模擬工具箱,它將人工智能和物理結合起來解決這些挑戰。

SimNet 應用的一個成功例子是在多孔介質中的流動和傳輸建模。這項努力是由斯坦福大學的博士生 Cedric Frances 領導的。

用例研究

Cedric 正在研究利用物理信息神經網絡PINNs )進行無網格油藏模擬的適用性和局限性。他對多孔介質中的流動和輸運問題(質量守恒和達西流)非常感興趣。 Cedric 的應用程序是一個基于 Python 的油藏模擬器,它可以計算多孔介質中各種流體的壓力和濃度,并進行通常會影響大型工業能源項目的預測。這包括生產碳氫化合物、儲存二氧化碳、水處理、空氣儲存、廢物管理等等。

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

在試用 SimNet 之前, Cedric 使用 Python 和 TensorFlow 和 Keras 等深度學習框架開發了自己的 pinn 實現。他使用了各種網絡結構,如殘差、 GAN 、周期激活、 CNN 、 PDE 網絡等。然而,很難實現所有這些目標,以找出哪一個效果最好或根本不起作用。 GitHub 上開源代碼的出現使得測試這些實現變得很容易。每一個新的實現都涉及到很高的開銷,比如環境設置、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 希望有一個由專業軟件開發人員團隊維護的良好、統一的框架來解決問題,使他能夠專注于問題的物理性,并廣泛測試最近發布的方法。當他偶然發現 SimNet 時,他對這樣一個框架的探索就結束了。

塞德里克下載了 SimNet 并開始使用具有 tanh 激活函數和損失函數空間加權的全連接網絡。他發現 SimNet 的通用框架(包含多種體系結構和文檔豐富的示例)是一個很好的起點。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約束,為他節省了數周的開發時間。更重要的是,它提供了測試方法的快速轉變,以確定它們的有用性。

本文提出的問題是多孔介質中兩相不可壓縮、不互溶的位移問題。這也被稱為運輸問題,多年來以各種形式加以描述。半個多世紀以來,它一直應用于油藏注水開發中的水驅油問題。最近,它被應用于 CO 驅鹽水2在碳封存應用中。有關詳細信息,請參閱 砂土流體驅替機理 和 注氣過程理論 。

假設潤濕相(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,水在大多數表面是濕潤的。質量守恒適用于兩相。對于濕潤階段:

這里解的偏微分方程是一階雙曲型的,分數流項是非凸的。它屬于黎曼守恒問題的一類,通常用有限體積法求解。有關詳細信息,請參閱 雙曲守恒律組與沖擊波的數學理論 。

在均勻 Dirichlet 邊界條件下:

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

圖 1 .對于 Swc = Sor = 0 的情況,分數流量曲線(藍色)和 Welge 結構(黑色虛線)。來源:多孔介質流動和輸運的物理基礎

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,因此這仍然是一個懸而未決的問題。 Fuks 和 Tchelepi 先前的一次嘗試得出結論,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 (藍色虛線)進行飽和度推斷的結果。采用分數流量曲線的凸殼來模擬位移。資料來源:多孔介質流動和輸運的物理基礎

塞德里克關于這個主題的研究已經發表了: 多孔介質流動和輸運的物理基礎 。

重要的理論里程碑正在簡單而富有挑戰性的一維例子中實現。 Cedric 計劃將他的研究擴展到更大的維度( 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。他預計會遇到類似的問題,并期待著 SimNet 從 2D 到 3D 帶來的好處。

塞德里克詳細闡述了他在 SimNet 的經歷。” SimNet 清晰的 API 、干凈且易于導航的代碼、使用 Docker 容器良好處理的環境和硬件配置、可擴展性、易部署性以及稱職的支持團隊使其易于采用,并提供了一些非常有前景的結果。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 。”

關于作者

Cedric G. Fraces 擁有碩士學位,目前是斯坦福大學能源工程博士學位候選人。他的研究需要將物理知識應用于油藏模擬。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擁有超過 14 年的工作經驗,并參與了有關相應資產開發和管理的行政決策。

Sanjay Choudhry 是 NVIDIA 的高級主管,對傳統計算方法以及科學和工程領域的機器學習都有很強的背景。他領導 SimNet 的工程工作,并熱衷于為工業應用開發基于人工智能的模擬解決方案。

Rekha Mukund 是 NVIDIA 計算組的產品經理,負責為汽車、 Jetson 和 Android 平臺開發 CUDA Tegra 產品。她還負責管理 NVIDIA SimNet 產品和 OpenCL 計劃。在加入 NVIDIA 之前, Rekha 在付費電視技術領域與思科合作了八年多。她是英國大學計算機科學學院的金牌獲得者,他是印度國家級乒乓球運動員和狂熱的旅行者。

審核編輯:郭婷

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • Android
    +關注

    關注

    12

    文章

    3939

    瀏覽量

    127603
  • NVIDIA
    +關注

    關注

    14

    文章

    5026

    瀏覽量

    103293
  • API
    API
    +關注

    關注

    2

    文章

    1505

    瀏覽量

    62191
收藏 人收藏

    評論

    相關推薦

    一文詳解物理信息神經網絡

    物理信息神經網絡 (PINN) 是一種神經網絡,它將微分方程描述的物理定律納入其損失函數,以引導學習過程得出更符合基本
    的頭像 發表于 12-05 16:50 ?1557次閱讀
    一文詳解<b class='flag-5'>物理</b><b class='flag-5'>信息</b>神經網絡

    GPU在深度學習的應用 GPUs在圖形設計的作用

    隨著人工智能技術的飛速發展,深度學習作為其核心部分,已經成為推動技術進步的重要力量。GPU(圖形處理單元)在深度學習扮演著至關重要的角色,
    的頭像 發表于 11-19 10:55 ?598次閱讀

    NPU在深度學習的應用

    設計的硬件加速器,它在深度學習的應用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對深度學習算法優化的處理器,它與傳統的CPU和G
    的頭像 發表于 11-14 15:17 ?701次閱讀

    GPU深度學習應用案例

    GPU在深度學習的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是深度
    的頭像 發表于 10-27 11:13 ?421次閱讀

    深度學習反卷積的原理和應用

    深度學習的廣闊領域中,反卷積(Deconvolution,也稱作Transposed Convolution)作為一種重要的圖像上采樣技術,扮演著至關重要的角色。特別是在計算機視覺任務,如圖
    的頭像 發表于 07-14 10:22 ?2027次閱讀

    深度學習模型的過擬合與正則化

    深度學習的廣闊領域中,模型訓練的核心目標之一是實現對未知數據的準確預測。然而,在實際應用,我們經常會遇到一個問題——過擬合(Overfitting)。過擬合是指模型在訓練數據上表現優異,但在
    的頭像 發表于 07-09 15:56 ?1030次閱讀

    深度學習的時間序列分類方法

    的發展,基于深度學習的TSC方法逐漸展現出其強大的自動特征提取和分類能力。本文將從多個角度對深度學習在時間序列分類的應用進行綜述,探討常用
    的頭像 發表于 07-09 15:54 ?1047次閱讀

    深度學習的無監督學習方法綜述

    應用往往難以實現。因此,無監督學習深度學習扮演著越來越重要的角色。本文旨在綜述深度
    的頭像 發表于 07-09 10:50 ?836次閱讀

    深度學習在視覺檢測的應用

    深度學習是機器學習領域中的一個重要分支,其核心在于通過構建具有多層次的神經網絡模型,使計算機能夠從大量數據自動學習并提取特征,進而實現對復
    的頭像 發表于 07-08 10:27 ?770次閱讀

    深度學習的模型權重

    深度學習這一充滿無限可能性的領域中,模型權重(Weights)作為其核心組成部分,扮演著至關重要的角色。它們不僅是模型學習的基石,更是模型智能的源泉。本文將從模型權重的定義、作用、優化、管理以及應用等多個方面,深入探討
    的頭像 發表于 07-04 11:49 ?1523次閱讀

    深度學習在自動駕駛的關鍵技術

    隨著人工智能技術的飛速發展,自動駕駛技術作為其中的重要分支,正逐漸走向成熟。在自動駕駛系統深度學習技術發揮著至關重要的作用。它通過模擬人腦的學習過程,實現對車輛周圍環境的感知、理解
    的頭像 發表于 07-01 11:40 ?804次閱讀

    深度解析深度學習下的語義SLAM

    隨著深度學習技術的興起,計算機視覺的許多傳統領域都取得了突破性進展,例如目標的檢測、識別和分類等領域。近年來,研究人員開始在視覺SLAM算法引入深度
    發表于 04-23 17:18 ?1330次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學習</b>下的語義SLAM

    FPGA在深度學習應用或將取代GPU

    現場可編程門陣列 (FPGA) 解決了 GPU 在運深度學習模型時面臨的許多問題 在過去的十年里,人工智能的再一次興起使顯卡行業受益匪淺。英偉達 (Nvidia) 和 AMD 等公司的股價也大幅
    發表于 03-21 15:19

    為什么深度學習的效果更好?

    導讀深度學習是機器學習的一個子集,已成為人工智能領域的一項變革性技術,在從計算機視覺、自然語言處理到自動駕駛汽車等廣泛的應用取得了顯著的成功。深度
    的頭像 發表于 03-09 08:26 ?647次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的效果更好?

    什么是深度學習?機器學習深度學習的主要差異

    2016年AlphaGo 擊敗韓國圍棋冠軍李世石,在媒體報道,曾多次提及“深度學習”這個概念。
    的頭像 發表于 01-15 10:31 ?1109次閱讀
    什么是<b class='flag-5'>深度</b><b class='flag-5'>學習</b>?機器<b class='flag-5'>學習</b>和<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的主要差異
    主站蜘蛛池模板: www.操操操.com| 国产成年网站v片在线观看| 福利片在线观看免费高清| 999av视频| 韩国三级理论在线观看视频| 婷婷99| 国产成人三级视频在线观看播放| 黄色视屏日本| 欧美视频一区在线观看| 午夜色婷婷| 中国xxxxx高清免费看视频| 亚州视频一区| 日本69sex护士www| 国产精品久久久久久久免费| 热之国产| 天天热天天干| 午夜影视网| 永久影视| 97久久伊人精品影院| 午夜精品一区二区三区在线视| www 在线播放| 成人a毛片免费全部播放| 国产农村妇女毛片精品久久久| 六月婷婷激情| 嫩草影院在线入口| 欧美色图888| 狠狠欧美| 国产二区三区毛片| 国产精品黄网站免费进入| 午夜福利毛片| 高清成年美女xx免费网站黄| 亚洲精品二区中文字幕| 亚洲欧美天堂网| 亚洲爱爱图片| 四虎国产精品4hu永久| 色色色色网| 日韩毛片高清免费| 浓厚な接吻と肉体の交在线观看| 国内自拍露脸普通话对白在线| 午夜免费视频网站| 国产真实乱xxxav|