Pretrained Video Models as Differentiable Physics Simulators for Urban Wind Flows

Título: WinDiNet: Modelos de Vídeo Pré-treinados como Simuladores de Física Diferenciáveis para Escoamentos de Vento Urbanos

1. O Problema

O planejamento de espaços urbanos seguros e confortáveis exige a avaliação precisa do vento para pedestres. As simulações tradicionais de Dinâmica dos Fluidos Computacional (CFD) são o padrão-ouro, mas apresentam limitações críticas:

• Custo Computacional: Simulações resolvidas no tempo (time-resolved) levam de minutos a horas, tornando a exploração extensiva de designs impraticável.
• Não-Diferenciabilidade: Os solvers CFD tradicionais não são diferenciáveis, impedindo o uso de otimização baseada em gradiente para ajustar automaticamente a geometria dos edifícios.
• Limitações de Modelos Atuais: Surrogatos baseados em redes neurais (CNNs, GANs) geralmente preveem apenas médias temporais, falhando em capturar rajadas transitórias e probabilidades de excedência, que são cruciais para normas de conforto e segurança. Modelos de operadores neurais (como FNO) lutam para manter a precisão em rollouts (sequências) longos quando treinados do zero.

2. Metodologia: WinDiNet

Os autores propõem o WinDiNet (Wind Diffusion Network), um modelo que repurposiciona um modelo de difusão de vídeo pré-treinado (LTX-Video) como um simulador de física rápido e diferenciável.

• Abordagem Geral: O problema de prever o campo de vento é reformulado como um problema de geração de vídeo condicional. O campo de velocidade (u, v) é codificado como frames de vídeo, onde os canais RGB representam componentes de velocidade e máscaras de fluido.
• Arquitetura Base: Utiliza o LTX-Video, um modelo de difusão latente baseado em Transformers (2B parâmetros). Diferente de modelos autoregressivos, ele gera todos os frames simultaneamente em uma única passagem de denoising.
• Estratégia de Adaptação (Fine-tuning):
  • Dados: Treinamento em 13.000 simulações 2D de escoamento incompressível (Euler) em layouts urbanos proceduralmente gerados.
  • Adaptação do VAE: O VAE pré-treinado (feito para vídeo RGB natural) foi adaptado para lidar com campos de velocidade pseudo-coloridos. As estratégias comparadas incluíram:
    • Color Adapter: Um MLP que aprende uma transformação de canais não linear.
    • Fine-tuning do Decodificador: Ajuste dos pesos do decodificador.
    • Perda Informada por Física: Adição de penalidades de divergência (incompressibilidade) e não-penetração nas paredes durante o ajuste do decodificador.
  • Condicionamento: Substituição de prompts de texto por embeddings escalares (velocidade de entrada $u_{in}$ e tamanho do domínio $L$) injetados diretamente no mecanismo de atenção cruzada, melhorando a precisão física.

3. Contribuições Principais

1. Dataset de Vento Urbano: Criação de um conjunto de dados com 13.000 simulações 2D de vento incompressível sobre layouts urbanos variados, cobrindo diferentes configurações de edifícios, velocidades de entrada e tamanhos de domínio.
2. Estudo Sistemático de Adaptação: Uma análise rigorosa de como adaptar modelos de vídeo fundacionais para física, comparando regimes de treinamento (LoRA vs. Fine-tuning total), mecanismos de condicionamento e estratégias de adaptação de VAE (incluindo perdas físicas).
3. Otimização Inversa Diferenciável: Demonstração de que o surrogato é end-to-end diferenciável, permitindo a otimização direta da posição e forma dos edifícios via retropropagação (backpropagation) para maximizar o conforto e a segurança dos pedestres.

4. Resultados

• Precisão e Desempenho:
  • O modelo WinDiNet (com decodificador ajustado e perdas físicas) superou os melhores baselines de operadores neurais (como RNO e OFormer) em métricas-chave, reduzindo o erro VRMSE em 7,6% em relação ao melhor baseline.
  • Gera sequências completas de 112 frames em menos de 1 segundo (aprox. 0,32s em GPU H200), sendo cerca de 3 ordens de magnitude mais rápido que o solver CFD usado para gerar os dados de treino.
• Qualidade Física:
  • O uso de perdas informadas por física no decodificador melhorou significativamente a reconstrução de gradientes de velocidade próximos às paredes e a fidelidade da distribuição de velocidades.
  • O modelo generalizou bem para layouts urbanos reais (Barcelona, Berlim, Paris, Zurique) não vistos durante o treino.
• Otimização Inversa:
  • Em experimentos de otimização de layout (modos "rígido" e "morph"), o modelo conseguiu reduzir drasticamente a porcentagem de áreas com ventos perigosos (>15 m/s) de 2,6% para 0,2%.
  • A otimização baseada em gradiente encontrou geometrias eficazes para cenários de múltiplas direções de vento (ex: inverno vs. verão), algo difícil com otimizadores sem gradiente (como algoritmos genéticos).
  • A comparação mostrou que o WinDiNet produz layouts otimizados com melhor conforto real (verificado por CFD ground-truth) do que otimizadores baseados em outros surrogatos (como OFormer).

5. Significado e Impacto

Este trabalho estabelece uma nova fronteira na interseção entre IA Generativa e Simulação Física:

• Viabilidade de Design em Tempo Real: Permite que arquitetos e engenheiros avaliem e otimizem layouts urbanos em tempo real, algo impossível com CFD tradicional.
• Transferência de Priors Físicos: Demonstra que modelos de vídeo pré-treinados em dados naturais já codificam priores físicos (como gravidade e dinâmica de fluidos) que podem ser refinados para simulações quantitativamente precisas, superando modelos treinados do zero para PDEs.
• Otimização de Design: A capacidade de diferenciar o simulador permite uma nova classe de fluxos de trabalho de design onde a geometria é ajustada automaticamente para atender a critérios complexos de conforto e segurança, indo além da simples avaliação de cenários pré-definidos.

Em resumo, o WinDiNet transforma a previsão de vento urbano de um processo de simulação lenta e estática em um processo de geração rápida, dinâmica e otimizável, abrindo caminho para cidades mais seguras e habitáveis.