Pretrained Video Models as Differentiable Physics Simulators for Urban Wind Flows

1. Il Problema

La progettazione di spazi urbani sicuri e confortevoli richiede la previsione accurata dei flussi di vento a livello pedonale. I metodi tradizionali si basano sulla Dinamica dei Fluidi Computazionale (CFD), che offre simulazioni temporali risolte ma è computazionalmente costosa (richiede minuti o ore per singola simulazione) e non differenziabile.
Queste limitazioni rendono impraticabile l'esplorazione estesa di layout urbani e l'ottimizzazione inversa (trovare la configurazione ottimale di edifici per massimizzare il comfort). Le soluzioni di apprendimento automatico esistenti (come le reti neurali convoluzionali o gli operatori neurali) spesso prevedono solo campi di velocità medi o stazionari, non riuscendo a catturare fenomeni transitori critici (come i vortici o le raffiche) necessari per valutare i criteri di comfort basati sulla probabilità di superamento di soglie di velocità.

2. Metodologia: WinDiNet

Gli autori introducono WinDiNet (Wind Diffusion Network), un modello di diffusione video pre-addestrato riadattato per fungere da simulatore fisico differenziabile.

• Architettura di Base: Il modello si basa su LTX-Video, un modello transformer latente video con 2 miliardi di parametri, originariamente addestrato su video naturali.
• Codifica dei Dati Fisici: I campi di velocità fluidodinamici (2D, incomprimibili) vengono codificati come immagini RGB:
  • Canale Rosso: Velocità orizzontale ($u$).
  • Canale Verde: Velocità verticale ($v$).
  • Canale Blu: Maschera del fluido (0 per gli edifici, 1 per il fluido).
  • Il primo frame ($t=0$) funge da condizione iniziale, codificando la velocità di ingresso ($u_{in}$) e la geometria degli edifici.
• Adattamento del VAE (Variational Autoencoder): Poiché il VAE pre-addestrato è ottimizzato per video naturali (RGB), viene adattato per gestire i campi di velocità pseudo-colorati. Gli autori confrontano diverse strategie:
  • Color Adapter: Un MLP apprende una mappatura non lineare dei canali prima e dopo il VAE.
  • Decoder Fine-Tuning: Il decoder del VAE viene riaddestrato.
  • Physics-Informed Loss: Durante il fine-tuning del decoder, vengono aggiunte funzioni di perdita basate sulla fisica (penalità per la divergenza $\nabla \cdot w = 0$, condizione di non penetrazione alle pareti e MSE pesata vicino ai bordi degli edifici).
• Condizionamento: Invece di usare prompt testuali (imprecisi per quantità fisiche continue), il modello utilizza un condizionamento scalare. La velocità di ingresso ($u_{in}$) e la dimensione del dominio ($L$) vengono mappate direttamente nello spazio di condizionamento del transformer tramite embedding Fourier, bypassando il codificatore testuale.
• Dataset: È stato generato un dataset di 13.000 simulazioni CFD 2D su layout urbani generati proceduralmente, coprendo diverse configurazioni di edifici, velocità di ingresso e dimensioni del dominio.

3. Contributi Chiave

1. Dataset e Modello: Creazione di un dataset su larga scala di flussi di vento urbani e sviluppo di WinDiNet, un surrogato differenziabile basato su un modello video foundation.
2. Studio Sistematico: Analisi dettagliata delle strategie di adattamento (regimi di addestramento, meccanismi di condizionamento, adattamento del VAE), dimostrando che l'uso di perdite informate dalla fisica nel decoder è cruciale per la precisione quantitativa.
3. Ottimizzazione Inversa: Dimostrazione che il surrogato è end-to-end differenziabile, permettendo l'ottimizzazione diretta della posizione e della forma degli edifici tramite backpropagation per migliorare il comfort del vento, senza bisogno di ottimizzatori privi di gradiente (come gli algoritmi genetici).

4. Risultati

• Precisione: WinDiNet (con decoder fine-tuned e loss fisica) supera gli operatori neurali specializzati (come FNO, AFNO, RNO) e i modelli basati su U-Net.
  • Riduce l'errore VRMSE (Root Mean Square Error normalizzato) del 7,6% rispetto al miglior baseline (RNO).
  • Genera rollout completi di 112 frame in meno di un secondo (circa 0,32s su GPU H200), ovvero 3 ordini di grandezza più veloce del solver CFD utilizzato per generare i dati di addestramento.
• Ottimizzazione Inversa:
  • In scenari a singola e multipla direzione del vento, l'ottimizzatore trova layout che riducono drasticamente le velocità pericolose (>15 m/s) e aumentano la percentuale di zone con velocità confortevoli (1-5 m/s).
  • Confrontando WinDiNet con un baseline (OFormer) nell'ottimizzazione inversa, WinDiNet riduce la frazione di disagio (>5 m/s) dal 49,7% al 12,8%, mentre OFormer scende solo al 36,6%.
  • Le ottimizzazioni sono state confermate eseguendo simulazioni CFD "ground-truth" sui layout ottimizzati, validando che i gradienti forniti dal modello portano a miglioramenti reali.
• Generalizzazione: Il modello mostra capacità di generalizzazione su layout urbani reali (non visti in addestramento) e su velocità di ingresso e dimensioni del dominio leggermente fuori distribuzione.

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo nell'integrazione tra modelli foundation per la generazione video e simulazioni scientifiche.

• Efficienza: Sostituisce simulazioni CFD lente con inferenze quasi istantanee, rendendo possibile l'esplorazione in tempo reale di progetti urbani.
• Differenziabilità: La natura differenziabile del modello trasforma il simulatore in un motore di ottimizzazione, permettendo di "disegnare" la geometria urbana direttamente attraverso la discesa del gradiente, un approccio impossibile con i solver CFD tradizionali.
• Validità Fisica: Dimostra che i prior fisici appresi dai modelli video su dati naturali (come la gravità e il comportamento fluido) possono essere trasferiti e raffinati per ottenere simulazioni fisicamente accurate e quantitative, non solo visivamente plausibili.

In sintesi, WinDiNet offre un nuovo paradigma per la progettazione urbana sostenibile, combinando la velocità dell'IA generativa con la rigore della fisica computazionale per creare città più sicure e vivibili.