Nvidia发布了用于控制物理方程式和模拟的神经网络训练平台Modulus，Modulus框架可生成强大且高传真的模型，加速多物理系统的设计探索，非常适合用于开发数字映射（Digital Twin）。
Nvidia解释，Modulus是一种神经网络框架，可以将物理学和偏微分等强大功能和人工智能相结合，以构建出更加强大的模型，进行分析运算。无论是开发者想要以人工智能解决物理问题，又或是以复杂的非线性、多物理系统，设计数字映射模型，Modulus都能够派上用场。
Modulus主要针对工程师、科学家、研究人员和学生设计，使用方法简单，而且容易扩展，适合用来解决广泛的问题，并且可快速迭代，加快系统探索和开发的速度，Modulus可同时解决多个假设场景的参数化系统，用户仅需要训练模型一次，即可解决多个问题。
官方解释，传统的数值求解器，目的都在一次求解一种配置，但是Modulus却能够一次处理多个单一几何，或是参数几何，神经网络可以同时在多个场景间进行训练，并且在推理过程，即时评估每个配置，这使得用户可以更有效率地探索设计空间。
由于Modulus利用了人工智能方法，融合物理学和机器学习领域，考虑到训练资料和控制物理方程式，Modulus训练出来的模型，封装了物理公式，并成为可用于各种应用程序的高传真模型。
Modulus中的资料准备模块，会将观察到或是模拟的资料，还有标准几何格式的资料作为输入，官方提到，Modulus特别的地方，在于不仅可使用特定的几何系统，还能够输入显示参数化空间作为几何输入，这让模型能够对参数进行探索，并且优化设计空间。
Modulus提供以Python为基础的API，供用户方便地实例物理和几何运算，还有详细的用户指南范例。训练引擎模块则接受所有输入，并且利用PyTorch和TensorFlow来训练最终模型，通过cuDNN进行GPU加速，用户还可使用Magnum来进行多GPU或多节点扩展。