- 以下文章转载自科学智能AISI -
工业软件是实现从”中国制造“到”中国创造“的关键技术，也是当前中国企业亟待克服的”卡脖子“瓶颈之一。人工智能作为一种颠覆性的科学手段，有力地推动了基础科学的进步，不断突破人类固有的认知局限，也给基础科研和工业软件的发展带来了新的机遇。8月10日下午，首届科学智能峰会有幸邀请到了工业界和学术界最顶级的科学家、工程师和领导者，开展了 “ AI for Science”主题下的工业仿真分论坛 讨论。各领域专家学者围绕人工智能在工业仿真软件领域的融合和应用展开了丰富的交流。
工业仿真分论坛线下活动在深圳国家应用数学中心召开，由南方科技大学的万敏平教授和南方科技大学助理教授、北京科学智能研究院研究员张天汉博士主持。论坛首先由北京科学智能研究院副院长张林峰博士和南方科技大学讲席教授、科学与工程计算中心主任王连平教授代表主办方和线下活动承办方致辞，活动包括嘉宾报告和圆桌讨论两个环节。
人工智能技术在国家数值风洞工程中的应用研究
陈坚强|空气动力学国家重点实验室主任、研究员
第一位报告嘉宾是空气动力学国家重点实验室陈坚强主任。陈坚强主任为国家数值风洞工程总设计师，国家重点研发计划首席科学家，某国家安全重大基础研究计划技术首席、部委级科技领军人才，享受政府特殊津贴。
在报告中，陈坚强主任介绍了国家数值风洞工程的基本情况，包括立项背景、建设内容和工程进展。陈坚强主任指出：核心软件自主可控问题是卡脖子的关键问题，亟待解决。现有的软/硬件系统大部分用于单一学科、某类问题、研究性质的数值模拟，而国家数值风洞工程，瞄准真实复杂外形的超大规模容量/能力计算、多学科耦合数值模拟、数值优化设计等核心问题展开攻坚。通过联合国内优势单位和相关领域专家集智攻关、协同创新，有效地打破了国外计算流体力学软件的垄断，提供高效、高可信度的数值模拟手段，以及多学科、精细化设计工具，并建成拥有自主知识产权、国内开放共享的空气动力数值模拟平台。
陈坚强主任也提出了从工程到技术过程中，对于科学范式的思考，特别是两个先进性，即工程的先进性和技术的先进性。在科技发展的工程中，基础科研领域的研究者对研究范式达成新的共识，推动了技术的变革，进而促进科学研究新范式的发展。新范式的发展迭代又反馈到基础科研，推动科研的进步和研究内容的不断丰富。针对人工智能这一新的科研范式，陈坚强主任介绍了团队近期在智能网格技术、湍流转捩建模和关键信息提取等方面的研究，研究成果充分证明了人工智能赋能计算流体力学的巨大潜力和广泛应用场景。陈坚强主任进一步指出，人工智能是科学与工程计算的切合点，是搭建计算科学、数据科学与智能化的桥梁，并且期待机器学习与高性能科学计算能够在国家数值风洞工程中更深度地融合。
吸气式发动机多物理过程数值仿真技术
孙明波|国防科技大学空天科学学院教授、博士生导师、副院长
第二位报告嘉宾是国防科技大学空天科学学院副院长孙明波教授。孙明波教授长期从事冲压及组合发动机性能攻关、超声速燃烧理论、实验诊断和仿真方法研究，先后获得国家科技进步一等奖、国家杰出青年科学基金、中国青年科技奖特别奖、中国科协求是杰出青年奖等众多荣誉。
孙明波教授在论坛中介绍了吸气式发动机多物理过程数值仿真技术的工作背景、关键技术与应用和智能化展望。孙明波教授指出，吸气式高声速发动机面临极端力/热载荷条件，瞄准下一步长航时、宽速域、可重复的技术需求，亟需加强仿真技术。其中核心难点在于推阻矛盾突出、长时结构加热和试验手段受限，这些难点的克服依赖多场耦合下精确建模、数值飞行与数字孪生等多种仿真技术手段。目前的技术手段正处于“由L2（多部件耦合，大规模精细化数值仿真）向L3（全过程多物理场数字化仿真）跨越，预先探索L4（多学科耦合仿真）”的状态。在这一过程中，人工智能技术具有重要地位，是实现由”数值飞行”向“数智飞行”的重要手段，对于推动技术攻关、降低研制成本、缩短研制周期、控制研制风险具有重要意义。
孙明波教授介绍了团队在超声速多相流建模、超声速湍流燃烧建模、高精度鲁棒数值格式与加速收敛技术、高效异构并行技术、超声速流动燃烧与壁面传热耦合模拟技术等方面的进展，并指出智能技术为全面提升发动机数值飞行的准度、精度和效率、实现智能化数值飞行提供了可能。特别是，构建数据驱动与物理约束相结合的超燃冲压发动机的数字孪生体，形成实体发动机在虚拟空间中的映射。数字孪生体是在虚拟空间中构建和优化发动机，可大幅降低研制成本，缩短研发周期，加快发动机技术迭代，实现研发模式新突破。
下一代CAD/CAE工业软件内核
杨周旺|中国科学技术大学教授，安徽应用数学中心执行主任
第三位报告人是中国科学技术大学的杨周旺教授。他的报告《下一代CAD/CAE工业软件内核》，分别从工业软件、CAD内核和F-rep CAE三方面展开介绍。
工业软件的知识产权，主要集中在国外老牌企业、大厂手中，目前国内外的发展趋势是CAD和CAE内核一体化，最终省去从CAD到CAE中间划分网格等割裂的过程。由杨周旺教授主导的“CAD内核”项目，主要开发自主可控的三维设计、分析一体化系统内核，为高端制造行业提供一体化软件解决方案。相较于传统数值仿真过程，其最大优势在于CAD/CAE的内核能够兼容。目前项目中的CAD建模方式包括多边形、自由曲面以及特征建模等。其中自由曲面能够实现所有主流软件的功能，已经走在世界前列。
此外，最新提出的F-rep（Function representation）数值分析方法，不仅无需网格划分，将CAD/CAE一体化变为现实，还可将传统CAD/CAE耗时费力的人工迭代变为计算机的自动迭代。替代方法是符号距离函数SDF(Signed Distance Function)。对于传统体网格，几何与参数化之间并不是一一对应，而SDF方法具有代数距离与几何距离相等的特点。SDF还有很好的局部性，使得并行计算成为可能。
最后，杨周旺教授还提出了“基于工程需求的智能设计”理念。借助机器学习技术，工程技术人员通过采样、学习和优化三个阶段，即可采集从几何形状到工程里物理属性的可微映射，再基于可微映射做自动迭代，打通CAD和CAE之间的壁垒，大幅提升几何模型的优化效率。
从鸡兔同笼问题到偏微分方程程序设计
魏华祎|湘潭大学数学与计算科学学院教授、博士生导师
湘潭大学的魏华祎教授带来了主题为《从鸡兔同笼问题到偏微分方程程序设计》的报告分享。他结合自己教学的多年实践与观察，针对工业仿真软件的人才培养发表了见解。他认为科学计算和工业仿真软件是“卡脖子”的重灾区，而偏微分方程（PDE，Partial differential equation）数值解是科学计算和工业仿真软件的核心基础之一。因此要首先解决人才培养问题，才能真正实现中国科学计算和工业软件的突围。
编写数值实验程序，是支撑团队日常科研和人才培养的必备基础活动。然而，由于以前编写的代码存在碎片化、不成体系等问题，只能服务于特定论文或项目，无法与实际的工业仿真应用对接，也无法有效服务于人才培养。为了解决团队自身发展问题并走向真正的工业仿真应用，魏华祎团队从2017年开始自主打造的偏微分方程数值解软件包FEALPy，不仅能起到支撑求解偏微分方程的基础科研和人才培养作用，也可用于CAE应用原型软件的快速开发验证，为算法走向真正的工业仿真应用打好验证基础。目前，FEALPy已应用于实际的科研教学工作中。
AI辅助建模
李琳|华为海思算法工程师
来自华为海思的算法工程师李琳，带来了本次分论坛的最后一个主题报告《AI辅助建模》。她由“显式”知识和“隐式”知识的区别进行引入，介绍了二者的特点、原理以及所面临的挑战。她认为：以理论、实验和计算（仿真计算）这“三驾马车”为基础的“显式”知识，从量纲出发，缺点在于难以获得准确的实验数据；而自12年以ImageNet为代表的人工智能的出现，由模型、数据、训练&推理手段构成，虽大幅提升了计算速度和效率，但局限性在于可应用的领域不可知，容易出现“拿锤子找钉子”的问题。
圆桌讨论
圆桌讨论环节的嘉宾包括北京大学陈帜研究员、十沣科技首席技术官丁桦博士、华为公司工业软件云产教融合总监侯建国、中国航空发动机研究院高级工程师莫毅博士、清华大学任祝寅教授和华为公司云工业仿真云总经理袁勇博士，围绕仿真软件在工程实践中的应用，不同机构包括高校、研究所、公司等单位软件研发风格特点，复合型仿真软件人才培养，机器学习在下一代仿真软件发展中的机遇等议题展开讨论。以下节选部分精彩内容，与大家分享。
本次圆桌以“工业仿真的局限性”开始讨论。在发动机研发领域深耕多年的任祝寅教授首先表示：对于工业真正关心的几个问题仿真能给出多少可信度，以及AI对工业仿真可信度的影响，这两个问题十分值得思考。莫毅则认为用线性表示非线性的物理过程误差会很大，并且每个模型的适用范围也不尽相同，需要借助AI技术突破限制。
谈及工业软件未来的突破口时，袁勇表示：工业界和学术界存在GAP，两者关心的问题不尽相同，不过每一个新方法的出现都是有意义的，探索如何在生产中合理地运用价值巨大。陈帜认为：张天汉老师和许志钦老师将火焰面模型的精度提高了几个量级，这说明将传统CFD仿真与机器学习结合具备巨大的发展潜力。
最后，几位业内顶尖技术专家分别对自己未来工作的目标进行了展望。借助广东省的人才培养计划，侯建国希望能重点和高校联合培养工业软件设计专业的学生；袁勇希望与各个高校团队做连接，把华为云技术提供给大家；陈帜则期待把基于人工智能的燃烧模拟软件版本正式发布。
关于AISI
北京科学智能研究院（AI for Science Institute,Beijing，以下简称AISI）成立于2021年9月，由鄂维南院士领衔，致力于将人工智能技术与科学研究相结合，加速不同科学领域的发展和突破，推动科学研究范式的革新，建设引领世界的「AI for Science」基础设施体系。
AISI的研究人员来自国内外顶尖高校、科研机构和科技企业，共同聚焦物理建模、数值算法、人工智能、高性能计算等交叉领域的核心问题。
AISI致力于创造思想碰撞的学术环境，鼓励自由探索和跨界合作，共同探索人工智能与科学研究结合的新可能。
关于深势科技
深势科技是“AI for Science”科学研究范式的先行者，致力于运用人工智能和分子模拟算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。
我们开创性地提出了「多尺度建模+机器学习+高性能计算」的革命性科学研究新范式，并推出了Hermite ® 药物计算设计平台、Bohrium微尺度科学计算云平台等微尺度工业设计基础设施，颠覆了现有研发模式，打造“计算指导实验、实验反馈设计”的全新范式，为药物、材料领域带来极具突破性的计算模拟及设计工具。
深势科技是国家高新技术企业、北京市“专精特新”中小企业，总部位于北京，并在上海、深圳、海口等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了近百名数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中公司的博士及博士后占比超过35%。核心成员获得过2020年全球计算机高性能计算领域的最高奖项“戈登贝尔奖”，相关工作当选2020年中国十大科技进展和全球AI领域十大技术突破。
深势诚邀有志之士，加入我们的“星途”家族：
你将与古往今来的“万千星辰”交相呼应，共创星辉；
你将与我们一同探索新理论、发现新技术、创造新产品；
在“AI for Science”的时代，深势希望助力科学“探险者”们见微知著、洞见未来。
未来虽远，前行必达，青春欲启，梦想莫待。
深势官网
加入深势
关于深势科技的更多信息，请访问： https://dp.tech
深势科技社招官网： https://dptechnology.jobs.feishu.cn/index/m/?spread=1FMM2VH
