שילוב זרימות עבודה אוטומטיות של סימולציה עם ויזואליזציה תלת-ממדית לניסויים וירטואליים במטאברס
21 ביולי 2026
שיטה כללית, התואמת ל-FAIR, מוצגת לחוקרים מומחים בתחום המעוניינים לשלב כלי סימולציה ועיבוד נתונים בתהליכי עבודה אוטומטיים לניסויים וירטואליים תלת-ממדיים. דוגמה לנייטרוניקה מדגימה הקמת מופע מקומי של Galaxy, עטיפת OpenMC וכלי המרת קבצים, הפעלת זרימות עבודה מ-Omniverse, והצגת הפלטים התלת-ממדיים המומרים.
שילוב זרימות עבודה אוטומטיות של סימולציה עם ויזואליזציה תלת-ממדית לניסויים וירטואליים במטאברס. זרימת עבודה היא שרשרת כלים שמגדירה את זרימת הנתונים ביניהם. בניסויים וירטואליים רבים, החוקרים מחברים ידנית מספר כלי סימולציה ועיבוד, מה שמתרחב בצורה גרועה ומקשה על השחזור.
תהליכי עבודה פותרים זאת כי הם מופשטים, אוטומטיים, ניתנים להרחבה, ניידים, ניתנים לשיתוף וניתנים לציטוט. הם מאפשרים לעטוף קודי סימולציה קיימים ושלבי עיבוד בכלים הזמינים בממשק קל לשימוש. ניתן לקשר אותם יחד ולהגדיר מחדש מבלי ליצור סקריפטים אוטומטיים מותאמים אישית.
ניתן גם לשתף את הכלים, מה שמפחית את הצורך ללמוד ממשקים חדשים ומאפשר לחוקרים להתמקד במקום זאת בהגדרת סימולציות ופרשנות התוצאות. פרוטוקול זה מדגים את פריסת מנהל זרימת העבודה המקומית במכולת. בתצורה זו, המשתמש הקצה מתקשר עם פלטפורמת ויזואליזציה תלת-ממדית כחלק הקדמי.
הקישור לזרימות העבודה מגיע בצורת הרחבה קלה לפייתון שמבצעת קריאות API למנהל זרימת העבודה כדי להפעיל סימולציות ולקבל את התוצאות, הכל מתוך פלטפורמת הוויזואליזציה. המערכת המוצגת כאן היא כללית מטבעה וניתנת ליישם כמעט בכל יישום שבו מתבצעים סימולציה ושלבי עיבוד. למחקר מקרה זה, נעשה שימוש בסימולציה נייטרונית פשוטה בהקשר של תחנת כוח לאנרגיית היתוך.
בכור היתוך, דויטריום וטריטיום מתמזגים יחד ליצירת אנרגיה ונייטרונים. דויטריום הוא איזוטופ טבעי של מימן, אך טריטיום חייב להיות מיוצר על ידי הכור עצמו באמצעות נייטרונים שנוצרים באירועי ההיתוך. כדי לדמות את הנייטרונים המיוצרים, נעשה שימוש בקוד סימולציה של מונטה קרלו, שעוקב אחרי הנייטרונים סביב הכור, ומפעיל אינטראקציות אקראיות עם החומר כשהם עוברים דרכו.
כמדד השוואתי, מחושב מדד ביצועים מרכזי הנקרא יחס רבייה של טריטיום, שמספק את היחס בין הטריטיום שנוצר על ידי אינטראקציות נייטרונים לכמות הטריטיום שנצרכת בתגובה. הסימולציה משתמשת בגאומטריית CAD פשוטה המבוססת על צורת הטוקמאק הכדורית כדי למודל את כמות הטריטיום שנוצרת על ידי השמיכה העוטפת את כלי הפלזמה, ומפיקה סט dat של מסלולי הנייטרונים שנוצרו. כדי להתחיל את הפרוטוקול, נניח שמנוע המכולות ופלטפורמת הוויזואליזציה התלת-ממדית הותקנו שניהם, בהתאם למאגר הפרויקט למכונה המקומית.
הפעל את שרת מנהל זרימת העבודה באמצעות סקריפט shell שסופק, המשתמש במנוע המכולות כדי לפרוס מופע נייד. לאחר שהמערכת פועלת, יש לגשת לממשק האינטרנט המקומי כדי ליצור חשבון משתמש מנהלי ולהתחבר. עברו להעדפות המשתמש כדי ליצור מפתח API ייחודי.
מפתח זה מאמת את פלטפורמת הוויזואליזציה התלת-ממדית כאשר הוא קורא למנהל זרימת העבודה. לאחר מכן, הגדר את פלטפורמת הוויזואליזציה התלת-ממדית על ידי ניווט לקובץ הרלוונטי בתיקיית התוספים. הוסף את מפתח ה-API לקובץ הקונפיגורציה הזה.
ודא שמפתח פרטי זה נשאר מאובטח ואינו מחויב למאגרים ציבוריים. לאחר מכן, הגדר את פלטפורמת הוויזואליזציה התלת-ממדית על ידי ניווט לתפריט ההרחבות, לחיצה על אייקון ההגדרות, והוספת הנתיב המקומי של תיקיית ההרחבה מהמאגר המשובלט. לבסוף, הפעל את ההרחבה.
אפשרות הטעינה האוטומטית יכולה להיות מופעלת אוטומטית בהפעלה מחדש. כדי להריץ כלי בודד, יש קודם כל להעלות קבצי קלט לשירות. צור היסטוריה חדשה ונתן לה שם.
היסטוריות פועלות כמרחבי עבודה נפרדים לכל סט כלים או זרימות עבודה שמופעלים. לחץ על כפתור ההעלאה. בחר את מערכי הגאומטריה והקונפיגורציה הנדרשים ב-CAD מתוך קבצי הדוגמה במאגר ולחץ על התחל.
הקלטים יופיעו בפאנל ההיסטוריה בצד ימין של המסך. נווט לכלי הסימולציה הנדרש של מונטה קרלו בלוח השמאלי ולחץ עליו. בחר את מערכי הנתונים הרלוונטיים מתוך ההיסטוריה הנוכחית והפעיל את הכלי על ידי לחיצה על 'ביצוע'.
הפלטים ישתנו מכתום, מה שמעיד שהם מעבדים, לירוק, כלומר שסיימו. אפור משמש להדגשת שלבים ממתינים ואדום עבור צעדים שנכשלים. הריצה הראשונה עשויה לקחת יותר זמן כי תמונת המכולה של הכלי מורדת.
הריצות הבאות אמורות להיות מהירות יותר. לאחר שהכלי סיים לפעול, ניתן לצפות בתוצאות הסימולציה. לחצו על מאגר הנתונים של יחס הרבייה של טריטיום בלוח ההיסטוריה כדי להרחיב אותו.
זה מציג את היחס שחושב על ידי הסימולציה הנייטרונית והשגיאה הסטטיסטית הנלווה. כלים שימושיים יותר כאשר משתמשים בהם בתהליכי עבודה, שמאפשרים קריאה למספר כלים בקריאה אחת ולשלוט אוטומטית בזרימת הנתונים בין הכלים. כדי לשחזר את צינור הניתוח הקודם, לחץ על Workflows, ואז צור ונתן שם לתהליך עבודה חדש.
ייבא את הכלים לפאנל הכלים על ידי לחיצה עליהם. ואז להוסיף שני מערכי נתונים כקלטים ולתת להם שמות. כאשר כל הכלים והקלטים נמצאים על הקנבס, חבר אותם יחד על ידי לחיצה וגרירה כדי לחבר את הפלט של שלב אחד לקלט של הבא, ולהגדיר את זרימת הנתונים.
שמור את תהליך העבודה באמצעות האייקון בפינה הימנית העליונה. זרימת העבודה מתנהלת בדומה לכלי יחיד. נווט ללשונית Workflows בסרגל העליון ולחץ על אייקון הריצה בתהליך העבודה החדש.
בחר את מערכי הנתונים הנכנסים המתאימים, ואז לחץ על Run Workflow. זה מבצע את כל השלבים שהופעלו בעבר ידנית, ושומר פלטים ביניים בהיסטוריה. ניתן לאמת את הריצה על ידי בדיקת קבצי הפלט או על ידי הצגת יחס הרבייה של הטריום בממשק.
כדי להריץ זרימות עבודה מפלטפורמת הוויזואליזציה התלת-ממדית, יש קודם כל להמיר את קבצי הפלט לפורמט תלת-ממדי תואם. צור תהליך עבודה שמשקף את הקודם אך עם שלבים נוספים. המרת פורמט מסלול ל-USD והמרת פורמט CAD ל-USD באמצעות שלבים ביניים.
שמור את תהליך העבודה הזה. פתח את פלטפורמת המטאוורס התלת-ממדית. ההרחבה המופעלת אמורה להיות זמינה בחלון התצוגה.
עגון אותו לצד אחד. לחץ על 'קבל זרימות עבודה' כדי למשוך את רשימת זרימות העבודה הזמינות מהמופע המחובר. בחר את תהליך העבודה החדש שנוצר עם שלבי ההמרה ל-USD ולחץ על קבל קלטים.
הקלטים שהוגדרו עבור תהליך עבודה זה יופיעו. בחר את קבצי הגיאומטריה והקונפיגורציה הסטנדרטיים של CAD לכל אחד. לאחר מכן, לחץ על הרצת זרימת עבודה.
לאחר סיום תהליך העבודה, מופיעה התראה בחלון המידע של התוסף. לחץ על רענון תחת מנהל הקבצים כדי לצפות ברשימת מופעי זרימת העבודה שהושלמו. בחר את המופע הנוכחי.
רענן שוב כדי לשלוף את רשימת הקבצים. בחר את הקבצים לצפייה ולחץ על 'משיכת קובץ'. קבצי תלת-ממד נטענים לחלון התצוגה הראשי וקבצים מבוססי טקסט מופיעים בחלון המידע.
הרצת סימולציה מוצלחת תייצר תפוקת יחס רבייה של טריטיום. מכיוון שמדובר בתהליך סטוכסטי המשתמש במדגם קטן למהירות, הערך הצפוי בתצורה הסטנדרטית במאגר אמור להיות בערך 0.76, עם שונות של פלוס או מינוס 0.01. הגדלת מספר האצווה ומספר החלקיקים בקלט הקונפיגורציה מפחיתה את הפיזור הזה במחיר של זמן ריצה ארוך יותר.
ריצה מוצלחת גם מייצרת סט של קבצי ויזואליזציה שהומרו, גיאומטריית ה-CAD ומסילות הנייטרונים, כל אחד בפורמט התואם לפלטפורמת הוויזואליזציה התלת-ממדית. ניתן להוריד ולבדוק אותם בצופה חיצוני או למשוך ישירות לפלטפורמת ההדמיה התלת-ממדית. שיטה זו מדגימה כיצד חוקרי מומחים בתחום יכולים לשלב כלי סימולציה בתהליכי עבודה אוטומטיים לניסויים וירטואליים תלת-ממדיים.
הגישה תומכת בעקרונות הנתונים של FAIR, היסטוריות הריצה לוכדות מטא-דאטה מלאה של פרובידנס, והכלים נארזים במכולות מבוקרי גרסה, מה שהופך את צינור הניתוח לשחזור ושיתוף כאחד. בעוד שמנהל זרימת העבודה עצמו יכול לפעול מקומית על חומרה סטנדרטית, השימוש במנוע המעקב המלא של פלטפורמת הווירטואליזציה התלת-ממדית דורש כרטיס גרפי RTX תואם לביצועים גבוהים.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
Overview
This protocol demonstrates the integration of automated simulation workflows with 3D visualization platforms for virtual experiments, specifically within the context of fusion neutronics. By deploying a locally containerized workflow manager and connecting it to a 3D visualization front end, researchers can automate, scale, and share complex simulation pipelines, enhancing reproducibility and adherence to FAIR data principles.
Key Study Components
Area of Science
- Computational physics
- Fusion energy research
- Scientific workflow automation
- 3D visualization
Background
- Virtual experiments often require the integration of multiple simulation, processing, and visualization tools.
- Manual integration is common but does not scale well and hinders reproducibility.
- Automated workflows can abstract and automate these processes, making them more portable and shareable.
- Adhering to FAIR data principles is increasingly important for scientific research.
Purpose of Study
- To demonstrate a reproducible, containerized workflow system for running and visualizing simulation experiments.
- To show how simulation tools can be integrated and automated within a workflow manager.
- To enable seamless data flow from simulation to 3D visualization platforms.
Methods Used
- Deployment of a local workflow manager using containerization (e.g., Docker).
- Integration of simulation tools (OpenMC for neutronics) and format conversion utilities.
- Connection of the workflow manager to a 3D visualization platform via a Python extension and API.
- Execution of simulation workflows, including input upload, tool chaining, and output visualization in platforms like NVIDIA Omniverse.
Main Results
- Automated workflows can be created, saved, and re-run with new inputs without manual reconfiguration.
- Simulation outputs, such as tritium breeding ratio and neutron track datasets, are generated and converted for 3D visualization.
- Workflows and tools are portable, shareable, and version-controlled, supporting reproducibility.
- The system supports full provenance tracking and can be extended to HPC or cloud resources.
Conclusions
- Containerized workflow systems streamline the integration of simulation and visualization tools for virtual experiments.
- The approach enhances reproducibility, scalability, and data sharing in computational research.
- Researchers can focus on scientific analysis rather than bespoke automation, benefiting from FAIR-compliant workflows.
Frequently Asked Questions
Executive Industry Relevance
Automated simulation workflows integrated with 3D visualization platforms enable scalable, reproducible virtual experiments, directly addressing bottlenecks in manual data integration and analysis. This approach enhances predictive confidence and operational efficiency in computational modeling, supporting robust decision-making at key discovery and preclinical inflection points. By adhering to FAIR data principles and enabling seamless tool reuse, the system strengthens enterprise-wide R&D continuity and data integrity.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Automated workflows facilitate rapid hypothesis testing and mechanistic de-risking in complex biological simulations.
- Containerized tools ensure reproducibility and traceability of simulation results for target validation.
- Abstracted workflow management supports scalable evaluation of multiple biological scenarios.
Screening & Assay Development
- Standardized data pipelines prepare simulation outputs for downstream quantitative analysis and visualization.
- Reusable workflow components enable consistent assay development and cross-study comparability.
- Automated format conversion ensures compatibility with advanced 3D visualization platforms for screening readiness.
Translational & Preclinical Research
- Provenance-tracked simulation histories support translational continuity and regulatory documentation.
- Quantitative outputs, such as performance ratios, inform preclinical modeling and risk assessment.
- Workflow portability enables adaptation across disease-relevant systems and preclinical models.
Pipeline & Workflow Integration
This containerized workflow system bridges early discovery, screening, and preclinical modeling by automating simulation, data conversion, and visualization steps within a unified platform.
- Discovery Biology: Enables robust hypothesis testing and pathway analysis through automated, reproducible simulations.
- Screening: Delivers standardized, quantitative outputs ready for high-throughput evaluation and visualization.
- Analytics: Provides statistical readouts, such as tritium breeding ratios, supporting comparative analysis across conditions.
- Translational Research: Maintains full provenance and data integrity for downstream translational studies.
- Enterprise Reuse: Supports tool and workflow sharing across teams, enhancing R&D scalability and efficiency.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in simulation-driven research.
- Operational Value: Promotes standardization, reproducibility, and rapid reconfiguration of simulation pipelines.
- Strategic Value: Enables informed go/no-go decisions and capital-efficient portfolio management.
- Portfolio Impact: Facilitates risk-adjusted prioritization and advancement of discovery and preclinical programs.
Implementation Considerations
- Requires expertise in simulation modeling, workflow management, and 3D visualization platforms.
- Needs containerization infrastructure and compatible high-performance graphics hardware for full visualization capabilities.
- Demands cross-team standardization of data formats and workflow components.
- Supports adaptation to diverse simulation codes and biological models with modest integration effort.
- Dependent on secure management of API keys and provenance metadata for reproducibility.
