NVIDIA GTC主题演讲内容学习＜2＞

接上篇
我们很高兴地宣布，领先的网络安全公司正在与我们合作，将他们的下一代防火墙（NGFW）服务部署在BlueField上，如Checkpoint、F5、Frontinet、Juniper、Guardicore、Palo Alto Networks、Thend Micro和VMware
BlueField生态系统也在不断扩大

云数据中心的变化影响着每一家计算公司，目前有1400名开发者正在BlueField上进行开发。
现在，采用BlueField的网络安全公司已可提供零信任安全即服务。在确认每个攻击点都安全之前，我们应该先假设安全即将收到破坏或已经被破坏




先进得网络安全平台会检测，研究大量得用户与机器之间以及机器与机器之间的交易日志，但其只能通过解析其中的一小部分数据来检测异常情况，但通过加速计算和深度学习，我们可以处理和研究所有数据。

为此我们发明了Morpheus，这是一个深度学习网络安全平台，其能够监控和分析每个由用户、机器和服务产生的细微数据中心特征，Mropheus构建于NVIDIA RAPIDS和NVIDIA AI之上，Morpheus上的工作流会为每种应用和用户的组合创建AI模型和数字指纹，并学习其日常的模式和寻找异常操作，这些异常操作，可能仅仅是几百万各事件种的少数几个，将出发安全警告，并提醒分析员做出响应，正如许多计算领域，通过加速计算机和深度学习获得了巨大的进步一样。
通过Morpheus，我们能够将这种超级力量引入到网络安全领域，敬请观看F5和Splunk关于我们一起再Morpheus上做的网络安全工作的演讲

NVIDIA Morpheus利用GPU计算的强大功能通过创建针对您环境而量身打造的模型，以更佳的方式保护您的网络，MOrpheus通过观察网络行为的每一个细节采用无监督式学习，从多个维度来理解典型的行为模式，无需依赖预先确定的好和坏标签



正如AI所学到的，它创建的不是单个模型，而是潜在的数百万个模型，其中每个模型都对应于一组特定的且再不断地被扫描和分析的数学指纹，这些模型得益于NVIDIA GPU的强大能力可以被横向扩展并行运行到大规模的网络上，使网络安全人员能够拥有应用增强的功能

快速可靠地检测异常情况
科学领域基于深度学习的软件革命正在发生，这是一个激动人心的时刻，必将产生深远的影响

三个相互关联的动态系统会让我们再计算科学上取得Million-X百万倍的飞跃，请让我来解释一下，首先，加速计算，正在重塑从芯片和系统、加速库到应用的全栈式计算，这会给我们50倍的提升，其次是推动力，深度学习的兴起，引发了现代AI革命，从根本上改变了软件深度学习编写的软件具有高度并行性，这使其更有助于GPU加速，并且可拓展到多GPU和多节点扩展到DGX SuperPOD这样的大型系统，使我们的加速又提高了5000倍
最后，通过深度学习编写的AI软件预测结果的速度能够比人工编写的软件快1000至10000倍，这彻底改写了我们解决问题的方式，甚至是可以解决的问题。
50倍乘以5000倍，再乘以1000倍，于是我们获得了2.5亿倍。

当然，大家的结果会有所不同，而这很大程度上取决于您的投资规模，但是，当一个重大问题的解决方案触手可及时，投资就会到来
比如当下对AI、机器人和自动驾驶的投资，很明显的是，通过加速计算再数据中心大规模实施人工智能将极大的提高模拟性能。
我们如何再科学领域应用深度学习？
科学遵循物理定律-如牛顿三大定律、麦克斯韦定律、热力学定律、欧姆定律、伯努利原理和能量守恒定律等等

而研究人员正在创建AI模型，使其学习物理并作出符合物理设定的预测，机器学习再改善物理模拟方面的应用一直在以令人难以置信的速度增长，在此，我想要强调几个我知道的例子。
布朗大学的Karniadakis及其研究团队描述了融合物理的神经网络（Physics Informed Neural Network）PINN;加州理工学院的Li，Anandkumar和NVIDIA组成的一个团队描述了FNO,即傅里叶神经算子，它能学习并近似解算任何偏微分方程。
该团队最近结合PINN和FNO的优势打造了PINO这是一个遵循物理定律的通用函数学习器，PINO可以从原理型物理模拟器或观测数据中学习，经过训练后，它可以告诉模拟原理型物理模型，而同样重要的是，这个模型更具有高度并行性，因此可以扩展到超大型系统，进而获得一个综合的Million-X百万倍飞跃，虚拟筛选是现代药物研发的一种主要方法
其中设计到寻找一种药物化合物，该化合物能够与疾病传播途径种的蛋白质相结合，并抑制其功能。
虚拟筛选过程则是对化合物和蛋白质之间的原子间作用力的 分子动力学模拟，分子的原子间作用力由其三维结构决定，通过X射线晶体学和冷冻电镜可以揭示人类蛋白质的三维结构，也就是长链氨基酸，而这种煞费苦心的方法智能破解约2.5万种人类蛋白质当中的17%，在人类疾病的茫茫大海之中，如果无法获得大多数人类蛋白质的三维结构，那么计算机辅助药物研发成果将会十分有限
就在今年，AlphaFold和RossettaNet的研究人员教会了他们的人工智能通过氨基酸序列预测蛋白质的3D形状，仅一夜时间，DeepMind就破解了超过两万种人类蛋白质，AI模型大大加速了蛋白质解码的繁琐过程，如今我们已经可以破解数以万计的动物、植物和细菌的蛋白质。
与此同时，AI模型现在能够了解已知有效化合物的特性，并生成其他可能有效的新型化合物
数百万种潜在有效的化合物与数十万种蛋白质结构相遇，打开了一个充满新机会的巨大待探索空间，机会空间增加了多个数量级（百万倍），这在一夜之间造成了巨大的分子模拟瓶颈，我们如何实现Million-X百万倍飞跃并抓住这一机遇？
Physics-ML可能是解决之道，NVIDIA和加州理工学院的研究人员使用融合物理的机器学习方法，训练图神经网络渠道分子模拟中昂贵的原子间作用力的量子力学计算，OrbNet这一工具预测了薛定谔方程，模拟速度提高了1000倍

Entos是一家专注于使用机器学习和计算来革新药物研发的超酷的公司，这是对HSP-90的模拟，这是一种帮助其他蛋白质正确折叠的伴侣蛋白，这是一个令人惊叹的视频，这个视频展示了模拟HSP-90蛋白与候选药物之间发生的化学反应

候选药物正在与蛋白质的氨基酸行程化学键
这种化学反应较为罕见，所以我们需要在很长的事件尺度上进行模拟，由于静电模拟无法模拟原子键，因此需要使用量子方法来计算反应的自由能，在一个GPU上进行模拟需要3个小时。如果没有OrbNet Physics-ML这可能需要3个多月，药物研发的未来是对疾病途径、涉及的基因、药物-靶标相互作用和脱靶相互作用进行端到端的计算建模，伴随Million-X百万倍加速与用于蛋白质和化学结构预测的机器学习以及Physic-ML模拟方法的融合我们正在见证生物学革命的曙光

对于气候科学，我们可能最终会有办法模拟10年、20年或30年后的地球气候预测气候变化的区域影响,并在为时已晚之前采取行动减缓和适应，世界各地在发生严重干旱，这不是由于缺乏降雨造成的，而是因为气温升高导致蒸发量增加
干燥还会导致更多的山火。预测气候变化以制定减缓和适应策略可以说是当今社会面临的最大挑战之一。

目前，我们还没有能力准确预测几十年后的气候，虽然人们对物理学知较多，但模拟的规模仍令人望而生畏，气候模拟比天气模拟要困难的多，天气模拟主要模拟大气物理，并且可以再几天内验证模型的准确性，长期气候预测必须对地球大气、海洋和水域、冰、土地，和人类活动的物理特性及其相互作用进行建模。

此外还需要1到10米的模拟分辨率来整合，像极低大气云将太阳辐射反射回太空等影响，忽略这些因素会导致长期预测出现重大错误，这比当今任何天气模拟的分辨率高1万到10万倍，而且我们能建造的计算机也并不足够大，计算机科学的突破迫在眉睫。

今天，我们宣布推出NVIDIA Modulus，这是一种开发Physics-ML模型的框架。
Modulus已经经过优化，可以再多GPU和多节点上进行训练，由此生产的模型，其物理仿真的速度比模拟快1000到10万倍，借助Modulus，科学及能够创建数字孪生模型，以前所未有的方式，更好的理解大型系统。
在这里插入图片描述

我们可以应用Modulus来解决的一个重要问题，即是气候科学，气候变化正在重塑世界，美国最大的水库处于20年来的最低水位，比过去低150英尺。
加速计算、Physics-ML和巨型计算机系统的结合，可以让我们实现Million-X百万倍的飞跃，并给我们提供机会，我们将使用原理型物理模型和观测数据来训练AI，以超实时方式预测气候变化，我们可以创造地球的数字孪生模型，它可以持续运行预测未来，用观测到的数据进行校准并改进预测然后再次预测。

研究人员利用欧洲中期天气预报中心的ERA5大气数据训练Physics-ML模型，该模型再128个A100 GPU上训练需要4小时，训练后的模型能以30公里的空间分辨率预测飓风的严重程度和路径。

原本需要7天才能完成的预测，如今再一个GPU上只需要四分之一秒，这比模拟快了10万倍。数年后，数据有望传输到Omniverse中运行的地球数字孪生，并且会有一组Physics-ML模型用于预测气候。让我们来谈谈Omniverse。
说“互联网改变了一切”显然是轻描淡写了，如今我们一直是互联的，互联网本质上是这个世界的数字表达，覆盖主要是指2D信息，即文本、语音、图像、视频，而这一切即将发生改变。
如今我们已拥有了创建全新3D世界或为物理世界建模的技术，这些虚拟世界将遵守物理定律，亦或不遵守，在那里可能是你的朋友或者AI与你一起，我们将像在网络上那样，用超文本从一个世界跳到另一个世界。

这个新世界的规模将比物理世界大很多。
我们将购买到3D的商品，就如同现在买首2D歌曲或买书本那样
在这个世界里，我们也能购买、持有或出售房产、家具、汽车、奢饰品和艺术品
在虚拟世界中，创意人员将制造出比物理世界里更为丰富多样的东西
而我们为这些虚拟世界的建设者构建了Omniverse，一些虚拟世界将为聚会和游戏而建立。但是，科学家、创意人员和企业也将可以借此大量建造其他虚拟世界。
虚拟世界将如同今天的互联网站那样不断涌现。Omniverse与游戏引擎大不相同，Omniverse是面向数据中心规模设计的，有朝一日有望达到全球数据规模。
Omniverse的门户是USD（通用场景描述），本质上是一个数字虫洞，将人和计算机连接到Omniverse，并将一个Omniverse世界连接到另一个世界，USD之于Omniverse就像HTML之于网站，Omniverse面向未来，Omniverse可以连接设计世界在Adobe世界中创建的东西。
可以通过Omniverse连接到Autodesk世界中的东西，使得设计师能够在共享空间中进行协作
一名设计师在一个世界中所做的修改会实时更新给所有相关联的设计人员，本质上就像3D设计的云共享文档。
Omniverse将彻底改变全球4000万3D设计师的协同合作方式。
公司可以在Omniverse中建立虚拟工厂，并使用虚拟机器人进行运营。数字工厂和机器人是其物理复制品的数字孪生。
实质版是数字版的复制品，因为它们来自与数字化版本，Omniverse数字孪生是我们设计、训练和持续监控未来机器人建、工厂、仓库和汽车的平台
请允许我向您战士一些使Omniverse成为可能的基础技术





今天，我们将发布Omniverse的重大更新，其中包括一些令人振奋的功能。
Showwroom-一个包含演示和实例应用的Omniverse应用程序，展示了核心Omniverse技术-图形、物理、材质和AI。
Farm-一个系统层，用于协调跨多个系统、工作站、服务器、裸机或虚拟化的批处理作业；Farm可用于批量渲染、AI合成数据生成或分布式计算。
Omniverse AR可将图形串流到手机或AR眼镜。
Omniverse VR是NVIDIA首款全帧交互式光线追踪VR。
自去年年底推出以来，Omniverse已被500多家公司的设计师下载了70000次，社区、公司和工具供应商与我们一起构建Omniverse连接器，14个已经投入运行，还有15个即将推出。

Bentley宣布带有Omniverse的iTwin现在正处于抢先体验阶段。Bentley不仅连接到Omniverse，还在其上构建自己的数字平台。90%的工程公司都在使用Bentley，Bentley iTwin用户已近200万。

热回收蒸汽发生器（HRSG）将燃气轮机中的热气转化为蒸汽，从而驱动蒸汽轮机发电，腐蚀定会发生，因此检查和维护必不可少。

Siemens Energy估计，通过准确预测腐蚀，他们可以将定期维护期间的检查和计划外停机时间减少70%，通过帮助行业缩短5-7天的时间，每年可以节省近20亿美元。
HRSG腐蚀是一个多物理场问题，结合了流动特性，水化学和操作条件，通过NVIDIA Modulus Physics-ML框架和Omniverse，我们与西门子共同创建了一个数字孪生平台，我们来看一下。
这个巨大的热回收蒸汽发生器使用热废气将管道中的水转化为蒸汽供涡轮机使用，预测腐蚀以减少宕机时间，极具挑战性，降低模型不是非常准确，并且进行完全模拟需要专业知识和时间。在这里插入图片描述

Siemens Energy正在借助NVIDIA Modulus开发数字孪生，实现多相湍流，通过点云数据训练基于物理的AI模型，可以在短短几秒钟内推断出流线显示的高保真流量，这可以每年减少70%的宕机时间，节省17亿美元。