Transolver‑3: Skalierbare Transformer‑Solver für Industrie‑Skalen‑Geometrien

Deep‑Learning‑basierte PDE‑Solver haben die Modellierung komplexer physikalischer Prozesse revolutioniert. Doch die Anwendung dieser Verfahren auf industrielle Geometrien mit mehr als 10⁸ Zellen ist bislang durch die enorme Speicher­komplexität von hochauflösenden Netzen eingeschränkt. Transolver‑3 löst dieses Problem mit einem neu entwickelten, hoch skalierbaren Framework, das speziell für präzise Physiksimulationen konzipiert ist.

Die Kerninnovation von Transolver‑3 liegt in zwei Architektur‑Optimierungen: Erstens beschleunigt ein neuer Slice‑ und Deslice‑Mechanismus die Verarbeitung, indem die assoziative Eigenschaft der Matrixmultiplikation ausgenutzt wird. Zweitens wird die Berechnung der physikalischen Zustände durch geometrische Slice‑Tiling‑Partitionierung effizient auf mehrere GPUs verteilt. Diese Kombination reduziert den Speicherbedarf drastisch, ohne die Genauigkeit zu beeinträchtigen.

Zusätzlich nutzt Transolver‑3 einen amortisierten Trainingsansatz, bei dem das Modell auf zufälligen Teilmengen hochauflösender Meshes lernt. Während der Inferenz werden physikalische Zustände zwischengespeichert, um wiederholte Berechnungen zu vermeiden. Durch diese Strategien kann Transolver‑3 Meshes mit über 160 Millionen Zellen verarbeiten und dabei herausragende Leistungen in drei anspruchsvollen Simulationsbenchmarks erzielen – darunter Aufgaben aus der Luftfahrt- und Automobilindustrie.