Integratie van geautomatiseerde simulatieworkflows met 3D-visualisatie voor virtuele experimenten in de metaverse
21 juli 2026
Een gegeneraliseerde, FAIR-conforme methode wordt gepresenteerd voor domeinexpertonderzoekers die simulatie- en dataverwerkingstools willen integreren in geautomatiseerde workflows voor 3D-virtuele experimenten. Een voorbeeld van Neutronics laat zien hoe je een lokale Galaxy-instantie opzet, OpenMC en bestandsconversietools ompakt, workflows vanuit Omniverse opstart en de geconverteerde 3D-uitvoeren visualiseert.
Het integreren van geautomatiseerde simulatieworkflows met 3D-visualisatie voor virtuele experimenten in de Metaverse. Een workflow is een keten van tools die de datastroom tussen hen definieert. In veel virtuele experimenten koppelen onderzoekers handmatig meerdere simulatie- en verwerkingstools, wat slecht schaalt en reproduceerbaarheid belemmert.
Workflows lossen dit op omdat ze abstract, geautomatiseerd, schaalbaar, draagbaar, deelbaar en citeerbaar zijn. Ze maken het mogelijk bestaande simulatiecodes en verwerkingsstappen te verpakken in tools die beschikbaar zijn in een gebruiksvriendelijke interface. Deze kunnen vervolgens aan elkaar worden gekoppeld en opnieuw geconfigureerd zonder handmatig op maat gemaakte automatiseringsscripts te hoeven maken.
De tools kunnen ook gedeeld worden, waardoor de noodzaak om nieuwe interfaces te leren vermindert en onderzoekers zich in plaats daarvan kunnen richten op het configureren van simulaties en het interpreteren van resultaten. Dit protocol demonstreert de implementatie van een lokaal gecontaineriseerde workflowmanager. In deze configuratie werkt de eindgebruiker samen met een 3D-visualisatieplatform als frontend.
De link naar de workflows komt in de vorm van een lichtgewicht Python-extensie die API-aanroepen doet naar de workflowmanager om simulaties te starten en de resultaten te ontvangen, allemaal vanuit het visualisatieplatform. Het hier gepresenteerde systeem is van nature algemeen en kan worden toegepast in vrijwel elke toepassing waarbij simulatie- en verwerkingsstappen worden uitgevoerd. Voor deze casestudy wordt een eenvoudige neutronische simulatie gebruikt in de context van een fusie-energiecentrale.
In een fusiereactor worden deuterium en tritium samengevoegd om energie en neutronen te produceren. Deuterium is een natuurlijke isotoop van waterstof, maar tritium moet door de reactor zelf worden geproduceerd met behulp van neutronen die tijdens de fusiegebeurtenissen worden gegenereerd. Om de geproduceerde neutronen te simuleren, wordt een Monte Carlo-simulatiecode gebruikt, die de neutronen rond de reactor volgt en willekeurige interacties met het materiaal toepast terwijl ze erdoorheen gaan.
Als vergelijkende maat wordt een belangrijke prestatie-indicator berekend, de tritium-voortplantingsverhouding, die de verhouding geeft van tritium geproduceerd door neutroneninteracties tot de hoeveelheid tritium die in de reactie wordt verbruikt. De simulatie gebruikt een eenvoudige CAD-geometrie gebaseerd op de bolvormige tokamakvorm om de hoeveelheid tritium te modelleren die wordt geproduceerd door de deken die zich om het plasmavat wikkelt, en geeft een datset van de gegenereerde neutronensporen uit. Om het protocol te starten, ga je ervan uit dat zowel de containerengine als het 3D-visualisatieplatform zijn geïnstalleerd, waarbij de projectrepository naar de lokale machine wordt gevolgd.
Start de workflow manager-server met het meegeleverde shellscript, dat de containerengine gebruikt om een draagbare instantie uit te rollen. Zodra het systeem draait, gebruik je de lokale webinterface om een administratief gebruikersaccount aan te maken en in te loggen. Navigeer naar de gebruikersvoorkeuren om een unieke API-sleutel te genereren.
Deze sleutel authenticeert het 3D-visualisatieplatform wanneer het de workflowmanager aanroept. Configureer vervolgens het 3D-visualisatieplatform door naar het relevante bestand in de extensiemap te navigeren. Voeg de API-sleutel toe aan dit configuratiebestand.
Zorg ervoor dat deze privésleutel veilig blijft en niet wordt toegewezen aan openbare repositories. Configureer vervolgens het 3D-visualisatieplatform door naar het extensiemenu te navigeren, op het instellingen-icoon te klikken en het lokale pad van de extensiemap toe te voegen vanuit de gekloonde repository. Schakel tenslotte de extensie in.
De auto-laadoptie kan worden geselecteerd zodat deze automatisch wordt ingeschakeld bij het herstarten. Om een enkele tool te draaien, moeten invoerbestanden eerst naar de dienst worden geüpload. Maak een nieuwe geschiedenis aan en geef die een naam.
Geschiedeniss fungeren als aparte werkruimtes voor elke set tools of workflows die worden uitgevoerd. Klik op de Upload-knop. Selecteer de benodigde CAD-geometrie- en configuratiedatasets uit de voorbeeldbestanden in de repository en klik op Start.
De invoer verschijnt in het Geschiedenispaneel aan de rechterkant van het scherm. Navigeer naar de vereiste Monte Carlo-simulatietool in het linkerpaneel en klik erop. Selecteer de relevante invoerdatasets uit de huidige geschiedenis en voer de tool uit door op uitvoeren te klikken.
De uitgangen veranderen van oranje, wat aangeeft dat ze aan het verwerken zijn, naar groen, wat aangeeft dat ze klaar zijn. Grijs wordt gebruikt om openstaande stappen te markeren en rood voor mislukte stappen. De eerste run kan langer duren omdat de containerafbeelding van de tool wordt gedownload.
Volgende runs zouden sneller moeten zijn. Zodra de tool is uitgevoerd, kunnen de resultaten van de simulatie worden bekeken. Klik op de tritium fokratio-dataset in het geschiedenispaneel om deze uit te breiden.
Dit toont de verhouding die door de neutronische simulatie wordt berekend en de bijbehorende statistische fout. Gereedschappen zijn nuttiger wanneer ze worden gebruikt in workflows, die meerdere tools in één aanroep maken en de gegevensstroom tussen tools automatisch regelen. Om de vorige analysepijplijn te repliceren, klik op Workflows, maak vervolgens een nieuwe workflow aan en noem ze een nieuwe naam.
Importeer de tools voor het Tool-paneel door erop te klikken. En voeg dan twee datasets toe als invoer en geef ze een naam. Wanneer alle tools en invoer op het canvas staan, verbind ze dan door te klikken en te slepen om de uitvoer van de ene stap te verbinden met de invoer van de volgende, waarmee de datastroom wordt gedefinieerd.
Sla de workflow op met het icoon rechtsboven. De workflow wordt op vrijwel dezelfde manier uitgevoerd als een enkel gereedschap. Ga naar het tabblad Workflows in de bovenste balk en klik op het uitvoer-icoon in de nieuwe workflow.
Selecteer de bijbehorende invoerdatasets en klik vervolgens op Run Workflow. Dit voert alle stappen uit die eerder handmatig zijn uitgevoerd, waarbij tussenliggende uitvoer in de geschiedenis wordt opgeslagen. De run kan worden geverifieerd door de uitvoerbestanden te inspecteren of door de tritium-voortplantingsverhouding in de interface weer te geven.
Om workflows vanaf het 3D-visualisatieplatform uit te voeren, moeten de uitvoerbestanden eerst worden omgezet naar een compatibel 3D-formaat. Maak een workflow die de vorige weerspiegelt, maar met extra stappen. Een track-formaat conversie naar USD en een CAD-formaat conversie naar USD via tussenliggende stappen.
Sla deze workflow op. Open het 3D Metaverse-platform. De ingeschakelde extensie zou beschikbaar moeten zijn in de viewport.
Leg het aan één kant aan. Klik op Get Workflows om de lijst met beschikbare workflows uit de verbonden instantie te halen. Selecteer de nieuw aangemaakte workflow met conversiestappen naar USD en klik op Invoer krijgen.
De invoer die voor deze workflow is gedefinieerd, verschijnen. Selecteer de standaard CAD-geometrie- en configuratiebestanden voor elk. Klik vervolgens op Run Workflow.
Zodra de workflow is voltooid, verschijnt er een melding in het informatievenster van de extensie. Klik op Verversen onder de bestandsbeheerder om de lijst van voltooide workflow-instanties te bekijken. Selecteer de huidige instantie.
Ververs opnieuw om de bestandslijst op te halen. Kies de bestanden om te bekijken en klik op Bestand ophalen. 3D-bestanden laden in het hoofdvenster en tekstgebaseerde bestanden verschijnen in het informatievenster.
Een succesvolle simulatierun genereert een tritium-voortplantingsratio-output. Omdat dit een stochastisch proces is met een kleine steekproefgrootte voor snelheid, zou de verwachte waarde met de standaardconfiguratie in de repository ongeveer 0,76 moeten zijn, met een variantie van plus of min 0,01. Het verhogen van het batchaantal en het deeltjesaantal in de configuratie-invoer vermindert deze spreiding, ten koste van langere uitvoeringstijden.
Een geslaagde run levert ook een set geconverteerde visualisatiebestanden, de CAD-geometrie en de neutronensporen op, elk in een formaat dat compatibel is met het 3D-visualisatieplatform. Deze kunnen worden gedownload en geïnspecteerd in een externe viewer of direct in het 3D-visualisatieplatform worden opgeladen. Deze methode laat zien hoe domeindeskundige onderzoekers simulatietools kunnen integreren in geautomatiseerde workflows voor 3D-virtuele experimenten.
De aanpak ondersteunt de FAIR-dataprincipes, run histories leggen volledige providence-metadata vast, en tools worden verpakt in versiebeheerde containers, waardoor de analysepijplijn zowel reproduceerbaar als deelbaar is. Hoewel de workflowmanager zelf lokaal op standaardhardware kan worden uitgevoerd, vereist het gebruik van de volledige ray tracing-engine van het 3D-virtualisatieplatform een compatibele high-performance RTX-grafische kaart.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
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.
