Бетани Лаш — Масштабируемые суррогатные модели на основе графов для неструктурированных сеток — I...

Запись от 18 мая 2026 г. Бетани Луш из Аргоннской национальной лаборатории представляет доклад «Масштабируемые графовые модели-заменители для неструктурированных сеток» на семинаре IPAM «Многоуровневые методы для обеспечения надежной оптимизации и управления процессами термоядерного синтеза в реальном времени». Аннотация: Для обучения нейронной сети в качестве модели-заменителя для моделирования на неструктурированной сетке, например, для моделирования вычислительной гидродинамики (CFD), полезно сохранять структуру сетки, а не интерполировать ее на регулярную сетку. Мы описываем нашу недавнюю работу с использованием графовых нейронных сетей и графовых преобразователей для данных неструктурированных сеток. Крупномасштабные симуляции на суперкомпьютерах часто включают сетки, которые не помещаются на одном процессоре и разделяются с помощью декомпозиции домена. Мы сохраняем то же самое разбиение сетки во время обучения нейронной сети, обеспечивая «физическую согласованность» с помощью узлов-гало. Данная работа демонстрируется на данных из NekRS, спектрально-элементного решателя CFD, и мы показываем эффективное масштабирование обучения на множестве графических процессоров. Подробнее можно узнать онлайн по адресу: https://www.ipam.ucla.edu/programs/workshops/workshop-iv-multi-fidelity-methods-to-enable-robust-optimization-and-real-time-control-of-fusion-processes/?tab=overview