东南大学毫米波国家重点实验室 杨武的主题分享:融合物理特征的AI电磁仿真。主要内容包括计算电磁学的发展历史、面临的困难和挑战,针对大规模周期阵列的SED算法、基于AI-SED和AI-NSED的周期阵列算法,结合华为MindSpore和AI科学计算套件的林顿LFPSs电磁仿真系统。, 视频播
最近阅读了AI科学计算相关的几篇综述论文[1-3],深受启发,在这里做一个阅读笔记,和大家分享一下。 背景 多物理和多尺度系统的动力学建模和预测仍然是一个开放的科学问题。以地球系统为例,它是一个独特的复杂系统,其动力学受到物理、化学和生物过程相互作用的复杂支配,这些过程发生在时空尺度上,跨度达17个数量级。
从生物这一单一场景延展开来,在物理、化学、材料、地质等多领域进一步拓展。昇思 MindSpore 通过架构创新,原生支持科学计算,突破了高阶高维自动微分、自动异构并行、跨尺度计算融合等创新技术,是可广泛支持物理驱动/数据驱动等多种 AI 科学计算范式的全场景框架。...展开...
1.2 AI技术领域 在科学人工智能的多个领域存在一系列共同的技术挑战。 对称性:对称性是非常强的归纳偏执,因此AI4Science的一个关键挑战是如何在AI模型中有效地集成对称性。 可解释性:可解释性在AI4Science中对于理解物理世界的规律至关重要。 分布外(OOD)泛化和因果性:为了避免为每个不同设置生成训练数据,需要识别...
在科学计算的诸多领域存在待求解的问题机理不清楚,或者虽然问题具有明确的机理,但由于过于复杂以至于传统算法难以求解的困难。AI技术,特别是机器学习和强化学习方法,基于实验或者计算产生的数据对所求解的问题进行可计算建模,从而得到复杂问题的有...
AI技术，特别是机器学习和强化学习方法，基于实验或者计算产生的数据对所求解的问题进行可计算建模，从而得到复杂问题的有效解决方式，这对当今科学计算领域的研究范式已经产生了巨大影响。与此同时，以深度学习为代表的AI在内部机理、数学理论、基础算法等方面尚不清楚、不完善，AI方法的稳健性、精确度等尚缺乏严格的数学...
华为AI科学计算专题!生命科学国家实验室:AI和分子生物学的结合,联合华为共同打造MindSpore SPONGE 昌平实验室研究员 张骏分享了AI和分子生物学的结合。昌平实验室是生命科学领域的国家实验室,致力于打造世界一流生命科学创新高地。张骏重点讲解AICSES在分子生物学的落地
昇思MindSpore通过架构创新,原生支持科学计算,突破了高阶高维自动微分、自动异构并行、跨尺度计算融合等创新技术,构筑了以八大套件为核心,可广泛支持物理驱动/数据驱动等多种AI科学计算范式的全场景框架。昇思MindSpore面向制造、气象、制药、航空航天、汽车、能源、金融、材料行业规划了八大套件的开发。目前昇思在制造、气...
其中,C,H,W分别表示通道数和纬度、经度方向上的网格点数。c,i,j分别是变量、纬度和经度坐标的索引,ai表示在纬度i处的权重,随着纬度增加,ai的值逐渐减小。最终对某个变量和位置(纬度和经度坐标)的绝对误差进行求和。 2. 微调级联模型 在预训练后,首先对基础伏羲模型进行微调,以实现从0到5天(0-20个时间步)的...
0为缓解3大挑战引入AI 01 为缓解3大挑战引入AI 科学计算进入科学智能新阶段 首先，科普一下科学计算。据了解，当前人工智能技术趋势正朝着通用大模型方向发展，大模型具备更强泛化能力，可覆盖多业务场景，发展大模型也成为产学研各界共识。而科学计算是继大模型之后，AI发展的另一重要方向。在此之前，借助高性能计算...