21 de julho de 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 automatizados de simulação 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 múltiplas ferramentas de simulação e processamento, o que escala mal e dificulta a reprodutibilidade.
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 integrados em ferramentas disponíveis em uma interface fácil de usar. Esses podem então ser conectados e reconfigurados sem 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 em configurar simulações e interpretar resultados. Esse protocolo demonstra a implantação de um gerenciador de fluxo de trabalho localmente contêinerizado. Nessa configuração, o usuário final interage com uma plataforma de visualização 3D como parte da interface.
O link para os fluxos de trabalho vem na forma de uma extensão leve em Python que faz chamadas de API para o gerenciador de workflow para iniciar simulações e receber os resultados, tudo de dentro da plataforma de visualização. O sistema apresentado aqui é geral por natureza e pode ser aplicado em quase qualquer aplicação onde etapas de simulação e processamento são realizadas. Para este estudo de caso, é utilizada uma simulação neutrônica simples no contexto de uma usina de energia de fusão.
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 acompanha os nêutrons ao redor do reator, aplicando interações aleatórias com o material à medida que eles passam.
Como medida comparativa, um indicador-chave de desempenho chamado razão de reprodução de trítio é calculado, que fornece a razão entre o trítio produzido por interações de nêutrons e a quantidade de trítio consumida na reação. A simulação utiliza uma geometria CAD simples baseada na forma esférica do tokamak para modelar a quantidade de trítio produzida pelo cobertor que envolve o vaso de plasma, e gera um conjunto de dados das trilhas de nêutrons geradas. Para iniciar o protocolo, assuma que o motor de contêineres e a plataforma de visualização 3D tenham sido instalados, seguindo o repositório do projeto até a máquina local.
Inicie o servidor gerenciador de fluxo de trabalho usando o script de shell fornecido, que utiliza o motor de contêineres para implantar uma instância portátil. Uma vez que o sistema esteja em funcionamento, acesse a interface web local para criar uma conta de usuário administrativo e faça login. Navegue até as preferências do usuário para gerar uma chave de 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.
Garanta que essa chave privada permaneça segura e não seja comprometida com 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 extensão a partir do repositório clonado. Por fim, ative a extensão.
A opção de carregamento automático pode ser selecionada para que seja ativada automaticamente ao reiniciar. Para rodar qualquer ferramenta individual, os arquivos de entrada devem primeiro ser enviados para o serviço. Crie uma nova história e nomeie ela.
Históricos funcionam como espaços de trabalho separados para cada conjunto de ferramentas ou fluxos de trabalho executados. Clique no botão Upload. Selecione os conjuntos de dados necessários de geometria CAD e configuração dos arquivos de exemplo no repositório e clique em Iniciar.
As entradas aparecerão no painel de Histórico no lado direito da tela. Navegue até a ferramenta de simulação Monte Carlo obrigatória no painel esquerdo e clique nela. Selecione os conjuntos de dados de entrada relevantes do histórico atual e execute a ferramenta clicando em executar.
As saídas mudam de laranja, indicando que estão sendo processadas, para verde, indicando que terminaram. Cinza é usado para destacar passos pendentes e vermelho para passos que falharam. A primeira execução pode demorar mais à medida que a imagem do contêiner da ferramenta é baixada.
As corridas seguintes devem ser mais rápidas. Uma vez que a ferramenta termina de funcionar, os resultados da simulação podem ser visualizados. Clique no conjunto de dados de razão de reprodução de trítio no painel de história para expandi-lo.
Isso exibe a razão calculada pela simulação neutrônica e o erro estatístico associado. As ferramentas são mais úteis quando usadas em fluxos de trabalho, que permitem chamar múltiplas ferramentas em uma única invocação e controlar automaticamente o fluxo de dados entre as ferramentas. Para replicar o pipeline de análise anterior, clique em Workflows, depois crie e nomeie um novo workflow.
Importe as ferramentas para o painel de ferramentas clicando nelas. E então adicionar dois conjuntos de dados como entradas e nomeá-los. Quando todas as ferramentas e entradas estiverem na tela, junte-as clicando e arrastando para conectar a saída de um passo à entrada do próximo, definindo o fluxo de dados.
Salve o fluxo de trabalho usando o ícone no canto superior direito. O fluxo de trabalho é executado de forma muito semelhante a uma única ferramenta. Navegue até a aba Workflows na barra superior e clique no ícone de execução no novo workflow.
Selecione os conjuntos de dados de entrada correspondentes e clique em Executar Fluxo de Trabalho. Isso executa todos os passos que eram executados manualmente, salvando as saídas intermediárias no histórico. A execução pode ser verificada inspecionando os arquivos de saída ou exibindo a razão 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 do formato de pista para USD e uma conversão de formato CAD para USD por meio de etapas intermediárias.
Salve esse fluxo de trabalho. Abra a plataforma 3D do Metaverso. A extensão habilitada deve estar disponível na viewport.
Acople para 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 passos de conversão para USD e clique em Obter Entradas.
As entradas definidas para esse fluxo de trabalho aparecerão. Selecione a geometria CAD padrão e os arquivos de configuração para cada um. Depois, clique em Executar Fluxo de Trabalho.
Após o fluxo de trabalho ser concluído, uma notificação aparece na janela de informações da extensão. Clique em Atualizar no gerenciador de arquivos para visualizar 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. Arquivos 3D carregam na janela principal e arquivos baseados em texto aparecem na janela de informações.
Uma simulação bem-sucedida gerará uma saída da razão de reprodução de trítio. Como este é um processo estocástico que usa uma amostra pequena para velocidade, o valor esperado usando a configuração padrão fornecida no repositório deve ser aproximadamente 0,76, com variância de mais ou menos 0,01. Aumentar a contagem de lotes e partículas na entrada de configuração reduz essa dispersão ao custo de tempos de execução mais longos.
Uma execução bem-sucedida também gera um conjunto de arquivos de visualização convertidos, a geometria CAD e as trilhas de nêutrons, cada uma em um formato compatível com a plataforma de visualização 3D. Esses podem ser baixados e inspecionados em um visualizador externo ou puxados diretamente para a plataforma de visualização 3D. Esse método demonstra como pesquisadores especialistas no domínio podem integrar ferramentas de simulação em fluxos de trabalho automatizados para experimentos virtuais 3D.
A abordagem apoia os princípios de dados FAIR, históricos de execução capturam metadados completos da Providência, e as ferramentas são empacotadas em contêineres controlados por versão, tornando o pipeline de análise tanto reproduzível quanto compartilhável. Embora o próprio gerenciador de fluxo de trabalho possa ser executado localmente em hardware padrão, a utilização do motor completo de ray tracing da plataforma de virtualização 3D requer uma placa de vídeo RTX de alto desempenho compatível.
Veja a transcrição completa e aceda a milhares de vídeos científicos
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.
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.
This containerized workflow system bridges early discovery, screening, and preclinical modeling by automating simulation, data conversion, and visualization steps within a unified platform.