Metaverse'de Sanal Deneyler İçin Otomatik Simülasyon İş Akışlarını 3D Görselleştirme ile Entegre Etmek
July 21st, 2026
3D sanal deneyler için simülasyon ve veri işleme araçlarını otomatik iş akışlarına entegre etmek isteyen alan uzmanı araştırmacılar için genelleştirilmiş ve FAIR uyumlu bir yöntem sunulmaktadır. Nötronik bir örnek, yerel bir Galaxy örneği kurmayı, OpenMC ve dosya dönüştürme araçlarını paketlemeyi, Omniverse'ten iş akışlarını başlatmayı ve dönüştürülmüş 3D çıktıların görselleştirilmesini gösterir.
Metaverse'de sanal deneyler için otomatik simülasyon iş akışlarını 3D görselleştirme ile entegre etmek. İş akışı, aralarındaki veri akışını tanımlayan bir araç zinciridir. Birçok sanal deneyde, araştırmacılar birden fazla simülasyon ve işleme aracını manuel olarak bağlar; bu da zayıf ölçeklenir ve tekrarlanabilirliği engeller.
İş akışları bunu çözüyor çünkü soyut, otomatik, ölçeklenebilir, taşınabilir, paylaşılabilir ve kaynak yapılabilir. Mevcut simülasyon kodları ve işlem adımlarının, kullanımı kolay bir arayüzde sunulan araçlara dönüştürülmesini sağlar. Bunlar daha sonra manuel olarak özel otomasyon betikleri oluşturmadan birbirine bağlanabilir ve yeniden yapılandırılabilir.
Araçlar ayrıca paylaşılabilir, böylece yeni arayüzler öğrenme gereksinimi azalır ve araştırmacılar bunun yerine simülasyonları yapılandırmaya ve sonuçları yorumlamaya odaklanabilirler. Bu protokol, yerel olarak konteynerize bir iş akışı yöneticisinin dağıtımını gösterir. Bu yapılandırmada, son kullanıcı ön uç olarak 3D görselleştirme platformuyla etkileşime girer.
İş akışlarına bağlantı, görselleştirme platformunun içinden simülasyonları başlatmak ve sonuçları almak için iş akışı yöneticisine API çağrıları yapan hafif bir Python uzantısı şeklinde geliyor. Burada sunulan sistem doğası gereği geneldir ve simülasyon ile işleme adımlarının gerçekleştirildiği hemen hemen her uygulamada uygulanabilir. Bu vaka çalışması için, füzyon enerjisi santrali bağlamında basit bir nötronik simülasyon kullanılmıştır.
Bir füzyon reaktöründe, döteryum ve trityum birleşerek enerji ve nötronlar üretilir. Döteryum, hidrojenin doğal bir izotopudur, ancak trityum, füzyon olaylarında üretilen nötronlar kullanılarak reaktörün kendisi tarafından üretilmelidir. Üretilen nötronları simüle etmek için, reaktörün etrafında nötronları takip eden ve malzemelerle rastgele etkileşimler uygulayan bir Monte Carlo simülasyon kodu kullanılır.
Karşılaştırmalı bir ölçüm olarak, nötron etkileşimleriyle üretilen trityumun reaksiyonda tüketilen trityum miktarına oranını veren trityum üreme oranı adı verilen ana bir performans göstergesi hesaplanır. Simülasyon, küresel tokamak şekline dayalı basit bir CAD geometrisi kullanarak plazma kabının etrafına sarılan battaniyenin ürettiği trityum miktarını modeller ve üretilen nötron izlerinin dat setini çıkarır. Protokolü başlatmak için, konteyner motoru ve 3D görselleştirme platformunun her ikisinin de kurulmuş olduğunu, proje deposunu takip ederek yerel makineye geçtiğini varsayalım.
Taşınabilir bir örneği dağıtmak için konteyner motorunu kullanan kabuk betikiyle iş akışı yöneticisi sunucusunu başlatın. Sistem çalıştığında, yerel web arayüzüne erişerek yönetici kullanıcı hesabı oluştur ve giriş yapın. Benzersiz bir API anahtarı oluşturmak için kullanıcı tercihlerine gidin.
Bu anahtar, 3D görselleştirme platformu iş akışı yöneticisini çağırdığında doğrular. Sonra, uzantılar klasöründeki ilgili dosyaya giderek 3D görselleştirme platformunu yapılandırın. API anahtarını bu yapılandırma dosyasına ekleyin.
Bu özel anahtarın güvenli kalmasını ve kamu depolarına bağlı olmadığını garanti edin. Sonra, uzantılar menüsüne gidip, ayarlar simgesine tıklayarak ve klonlanmış depodan uzantı klasörünün yerel yolunu ekleyerek 3D görselleştirme platformunu yapılandırın. Son olarak, uzantını etkinleştirin.
Otomatik yükleme seçeneği seçilebiliyordu ve yeniden başlatıldığında otomatik olarak etkinleştirilebilirdi. Herhangi bir aracı çalıştırmak için giriş dosyaları önce servise yüklenmelidir. Yeni bir tarih oluşturun ve adını verin.
Geçmişler, her çalışan araç veya iş akışı seti için ayrı çalışma alanı olarak işlev görür. Yükle butonuna tıklayın. Depodaki örnek dosyalardan gerekli CAD geometrisi ve yapılandırma veri setlerini seçin ve Başlat'a tıklayın.
Girişler, ekranın sağ tarafındaki Geçmiş panelinde görünecektir. Sol paneldeki gerekli Monte Carlo simülasyon aracına gidin ve üzerine tıklayın. Mevcut geçmişten ilgili giriş veri setlerini seçin ve aracı çalıştırın, çalıştır tuşuna tıklayın.
Çıktılar turuncudan değişir, bu işlem yapıldığını gösterir, yeşile geçer ve bu da bittiğini gösterir. Bekleyen adımları vurgulamak için gri, başarısız adımlar için ise kırmızı kullanılır. İlk çalışma aracın konteyner görüntüsü indirildiğinde daha uzun sürebilir.
Sonraki koşular daha hızlı olmalı. Araç çalışmayı tamamladıktan sonra simülasyonun sonuçları görüntülenebilir. Tarih panelindeki tritium üreme oranı veri setine tıklayarak genişletebilirsiniz.
Bu, nötronik simülasyon ve ilgili istatistiksel hata ile hesaplanan oranı gösterir. Araçlar, tek bir çağrıda birden fazla aracın çağrılmasına ve araçlar arasındaki veri akışını otomatik olarak kontrol etmesine olanak tanıyan iş akışlarında daha faydalıdır. Önceki analiz boru hattını çoğaltmak için İş Akışları'na tıklayın, ardından yeni bir iş akışı oluşturun ve adlandırın.
Araç paneli için araçları üzerine tıklayarak içe aktarın. Ve sonra iki veri seti ekleyip onları adlandırıyorsun. Tüm araçlar ve girdiler tuvalde olduğunda, bir adımın çıktısını bir sonraki adımın girişine bağlamak için tıklayıp sürükleyerek birleştirin, böylece veri akışını tanımlayın.
İş akışını sağ üstteki simgeyi kullanarak kaydet. İş akışı tek bir araç gibi çalışılıyor. Üst çubuktaki İş Akışları sekmesine gidin ve yeni iş akışında çalıştırma simgesine tıklayın.
İlgili giriş veri setlerini seçin, ardından İş Akışını Çalıştır'a tıklayın. Bu, daha önce manuel olarak çalıştırılan tüm adımları çalıştırır ve ara çıktıları geçmişe kaydeder. Çalışma, çıktı dosyalarını inceleyerek veya arayüzde trityum üreme oranı gösterilerek doğrulanabilir.
3D görselleştirme platformundan iş akışlarını çalıştırmak için çıktı dosyalarının önce uyumlu bir 3D formata dönüştürülmesi gerekir. Öncekini yansıtan ama ek adımlarla bir iş akışı oluşturun. Ara adımlarla bir track formatı dönüştürülmesi USD'ye ve CAD formatı dönüştürülmesi USD'ye yapılır.
Bu iş akışını kaydet. 3D Metaverse platformunu açın. Etkinleştirilmiş uzantı viewport'ta erişilebilir olmalıdır.
Bir kenara kenet. Bağlı örnekten mevcut iş akışlarının listesini çekmek için İş Akışlarını Alın'a tıklayın. USD'ye dönüşüm adımlarıyla yeni oluşturulan iş akışını seçin ve Get Inputs tuşuna tıklayın.
Bu iş akışı için tanımlanan girdiler görünecektir. Her biri için standart CAD geometrisi ve yapılandırma dosyalarını seçin. Sonra, İş Akışını Çalıştır'a tıklayın.
İş akışı tamamlandıktan sonra, uzantının bilgi penceresinde bir bildirim belirir. Tamamlanmış iş akışı örnekleri listesini görmek için dosya yöneticisinin altında Yenile'ye tıklayın. Mevcut örneği seçin.
Dosya listesini almak için tekrar yenileyin. Görüntülenecek dosyaları seçin ve Pull File tuşuna tıklayın. 3D dosyalar ana görünüme yüklenir ve metin tabanlı dosyalar bilgi penceresinde görünür.
Başarılı bir simülasyon çalışması, trityum üreme oranı çıktısı üretecektir. Bu, hız için küçük örneklem boyutu kullanılarak yapılan stokastik bir süreç olduğundan, depoda sağlanan standart yapılandırmada beklenen değer yaklaşık 0.76 olmalı, varyans artı veya eksi 0.01 olmalıdır. Yapılandırma girişinde parti sayısını ve parçacık sayısını artırmak, bu dağılımı azaltır ve bunun bedeli daha uzun çalışma süreleri olur.
Başarılı bir çalışma, ayrıca dönüştürülmüş görselleştirme dosyaları, CAD geometrisi ve nötron izleri seti üretir; her biri 3D görselleştirme platformuyla uyumlu bir formatta olur. Bunlar harici bir görüntüleyicide indirilip incelenebilir veya doğrudan 3D görselleştirme platformuna çekilebilir. Bu yöntem, alan uzmanı araştırmacılarının simülasyon araçlarını 3D sanal deneyler için otomatik iş akışlarına nasıl entegre edebileceğini gösterir.
Bu yaklaşım FAIR veri ilkelerini destekler, çalıştırma geçmişleri tam verisi meta verilerini yakalar ve araçlar sürüm kontrollü konteynerlerde paketlenir, böylece analiz boru hattı hem tekrarlanabilir hem de paylaşılabilir hale gelir. İş akışı yöneticisi standart donanımda yerel olarak çalıştırılabilse de, 3D sanallaştırma platformunun tam ışın izleme motorunun kullanımı için uyumlu yüksek performanslı bir RTX ekran kartı gereklidir.
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.