Integrando Fluxos de Trabalho Automatizados de Simulação com Visualização 3D para Experimentos Virtuais no Metaverso
July 21st, 2026
Um método generalizado, compatível com FAIR, é apresentado para pesquisadores especialistas em domínio que buscam integrar ferramentas de simulação e processamento de dados em fluxos de trabalho automatizados para experimentos virtuais 3D. Um exemplo de neutrônica demonstra como configurar uma instância Galaxy local, envolver OpenMC e ferramentas de conversão de arquivos, iniciar fluxos de trabalho a partir do Omniverse e visualizar as saídas 3D convertidas.
Integrando fluxos de trabalho de simulação automatizada com visualização 3D para experimentos virtuais no Metaverso. Um fluxo de trabalho é uma cadeia de ferramentas que define o fluxo de dados entre elas. Em muitos experimentos virtuais, pesquisadores conectam manualmente várias ferramentas de simulação e processamento, o que escala mal e impede a reprodutibilidade.
Os fluxos de trabalho resolvem isso porque são abstratos, automatizados, escaláveis, portáteis, compartilháveis e citáveis. Eles permitem que códigos de simulação existentes e etapas de processamento sejam encapsulados em ferramentas disponíveis em uma interface fácil de usar. Estas podem então ser vinculadas e reconfiguradas sem a necessidade de criar manualmente scripts de automação personalizados.
As ferramentas também podem ser compartilhadas, reduzindo a necessidade de aprender novas interfaces e permitindo que os pesquisadores se concentrem na configuração de simulações e interpretação de resultados. Este protocolo demonstra a implantação de um gerenciador de fluxo de trabalho em contêiner local. Nesta configuração, o usuário final interage com uma plataforma de visualização 3D como a interface.
A ligação para os fluxos de trabalho vem na forma de uma extensão Python leve que faz chamadas de API para o gerenciador de fluxo de trabalho para iniciar simulações e receber os resultados, tudo dentro da plataforma de visualização. O sistema apresentado aqui é geral por natureza e pode ser aplicado em praticamente qualquer aplicação onde etapas de simulação e processamento são realizadas. Para este estudo de caso, uma simulação neutronica simples no contexto de uma usina de energia de fusão é usada.
Em um reator de fusão, deutério e trítio são fundidos para produzir energia e nêutrons. O deutério é um isótopo natural do hidrogênio, mas o trítio deve ser produzido pelo próprio reator usando nêutrons gerados nos eventos de fusão. Para simular os nêutrons produzidos, é usado um código de simulação Monte Carlo, que segue os nêutrons ao redor do reator, aplicando interações aleatórias com o material à medida que passam.
Como medida comparativa, um indicador de desempenho chave chamado taxa de reprodução de trítio é calculado, que fornece a proporção de trítio produzido por interações de nêutrons para a quantidade de trítio consumida na reação. A simulação usa uma geometria CAD simples baseada na forma de tokamak esférico para modelar a quantidade de trítio produzido pelo manto envolvendo o vaso de plasma e gera um conjunto de dados de trilhas de nêutrons gerados. Para iniciar o protocolo, suponha que o motor do contêiner e a plataforma de visualização 3D tenham sido instalados, seguindo o repositório do projeto para a máquina local.
Inicie o servidor do gerenciador de fluxo de trabalho usando o script de shell fornecido, que usa o motor de contêiner para implantar uma instância portátil. Uma vez que o sistema esteja em execução, acesse a interface web local para criar uma conta de usuário administrativa e faça login. Navegue até as preferências do usuário para gerar uma chave API única.
Essa chave autentica a plataforma de visualização 3D quando ela chama o gerenciador de fluxo de trabalho. Em seguida, configure a plataforma de visualização 3D navegando até o arquivo relevante na pasta de extensões. Adicione a chave API a este arquivo de configuração.
Certifique-se de que esta chave privada permaneça segura e não seja comprometida em repositórios públicos. Em seguida, configure a plataforma de visualização 3D navegando até o menu de extensões, clicando no ícone de configurações e adicionando o caminho local da pasta de extensões do repositório clonado. Por fim, ative a extensão.
A opção de carregamento automático pode ser selecionada para que seja ativada automaticamente ao reiniciar. Para executar qualquer ferramenta individual, os arquivos de entrada devem primeiro ser carregados no serviço. Crie um novo histórico e nomeie-o.
Os históricos atuam como espaços de trabalho separados para cada conjunto de ferramentas ou fluxos de trabalho executados. Clique no botão Carregar. Selecione a geometria CAD e os conjuntos de dados de configuração necessários dos arquivos de exemplo no repositório e clique em Iniciar.
As entradas aparecerão no painel Histórico no lado direito da tela. Navegue até a ferramenta de simulação Monte Carlo necessária no painel esquerdo e clique nela. Selecione os conjuntos de dados de entrada relevantes da história atual e execute a ferramenta clicando em executar.
As saídas mudarão de laranja, indicando que estão em processamento, para verde, indicando que terminaram. Cinza é usado para destacar etapas pendentes e vermelho para etapas com falha. A primeira execução pode levar mais tempo, pois a imagem do contêiner da ferramenta é baixada.
Execuções subsequentes devem ser mais rápidas. Uma vez que a ferramenta tenha terminado de executar, os resultados da simulação podem ser visualizados. Clique no conjunto de dados da taxa de reprodução de trítio no painel de histórico para expandi-lo.
Isso exibe a proporção calculada pela simulação neutronica e o erro estatístico associado. As ferramentas são mais úteis quando usadas em fluxos de trabalho, que permitem que várias ferramentas sejam chamadas em uma única invocação e controlem automaticamente o fluxo de dados entre as ferramentas. Para replicar o pipeline de análise anterior, clique em Fluxos de Trabalho, depois crie e nomeie um novo fluxo de trabalho.
Importe as ferramentas para o painel de Ferramentas clicando nelas. Em seguida, adicione dois conjuntos de dados como entradas e nomeie-os. Quando todas as ferramentas e entradas estiverem na tela, conecte-as clicando e arrastando para conectar a saída de uma etapa à entrada da próxima, definindo o fluxo de dados.
Salve o fluxo de trabalho usando o ícone no canto superior direito. O fluxo de trabalho é executado da mesma forma que uma única ferramenta. Navegue até a aba Fluxos de Trabalho na barra superior e clique no ícone de execução no novo fluxo de trabalho.
Selecione os conjuntos de dados de entrada correspondentes e, em seguida, clique em Executar Fluxo de Trabalho. Isso executa todas as etapas que foram executadas manualmente anteriormente, salvando saídas intermediárias no histórico. A execução pode ser verificada inspecionando os arquivos de saída ou exibindo a taxa de reprodução de trítio na interface.
Para executar fluxos de trabalho a partir da plataforma de visualização 3D, os arquivos de saída devem primeiro ser convertidos para um formato 3D compatível. Crie um fluxo de trabalho que espelhe o anterior, mas com etapas adicionais. Uma conversão de formato de trilha para USD e uma conversão de formato CAD para USD por meio de etapas intermediárias.
Salve este fluxo de trabalho. Abra a plataforma 3D Metaverse. A extensão habilitada deve estar disponível no viewport.
Acople-a a um lado. Clique em Obter Fluxos de Trabalho para puxar a lista de fluxos de trabalho disponíveis da instância conectada. Selecione o fluxo de trabalho recém-criado com etapas de conversão para USD e clique em Obter Entradas.
As entradas definidas para este fluxo de trabalho aparecerão. Selecione a geometria CAD padrão e os arquivos de configuração para cada um. Em seguida, clique em Executar Fluxo de Trabalho.
Uma vez que o fluxo de trabalho seja concluído, uma notificação aparecerá na janela de informações da extensão. Clique em Atualizar sob o gerenciador de arquivos para ver a lista de instâncias de fluxo de trabalho concluídas. Selecione a instância atual.
Atualize novamente para recuperar a lista de arquivos. Escolha os arquivos para visualizar e clique em Puxar Arquivo. Os arquivos 3D são carregados no viewport principal e os arquivos baseados em texto aparecem na janela de informações.
Uma execução de simulação bem-sucedida gerará uma saída de taxa de reprodução de trítio. Como este é um processo estocástico usando um tamanho de amostra pequeno para velocidade, o valor esperado usando a configuração padrão fornecida no repositório deve ser aproximadamente 0,76, com uma variância de mais ou menos 0,01. Aumentar a contagem de lote e a contagem de
View the full transcript and gain access to thousands of scientific videos
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.