回顧三次產業(yè)革命，會發(fā)現(xiàn)一個規(guī)律：基礎科學的突破，抬高技術的天花板，推動大量先進技術成果的涌現(xiàn)，并向產業(yè)界轉化，最終實現(xiàn)社會經濟的指數(shù)級增長。
在物理、數(shù)學、工程學等的推動下，才有了蒸汽革命；電氣革命，源于電磁學、化學等學科的進步；量子物理、信息論等科學成果，則為半導體、計算機等信息產業(yè)打下堅實的基礎。
今天，基礎科學整體已經發(fā)展到了一定高度，低處易摘的果實已經被摘走，科學家們向上攀爬的難度遠高于以往。
越來越多的科學領域，進入“第五范式”的新篇章，即由人工智能驅動的研究方式。而AI在處理多維、多模態(tài)的海量數(shù)據(jù)上有顯著優(yōu)勢，因此，人工智能驅動的科學智能（AI for Science，AI4S）新范式，有望推動科學研究從“馬拉松”到“加速跑”。
在今年的WAIC 2023上，科學智能的突破性進展，就備受產學研各界關注。
學術方面，中國科學技術信息研究所發(fā)布了AI4S科研創(chuàng)新地圖；應用方面，中國商飛上海飛機設計研究院基于昇思MindSpore打造的三維流體仿真大模型“東方.翼風”，展示了流體力學等領域與AI的融合實踐。
可以看到，科學智能目前還是一些頭部科研院所，以及頭部行業(yè)、龍頭企業(yè)在踐行的新潮流。更廣大的科研群體和科學場景，距離AI技術依然遙遠。
有沒有一種可能，讓AI化作更多科學家手中的實用工具，加速科學智能的進程？這是昇思MindSpore一直在努力實現(xiàn)的命題，也在近期抵達了新的里程碑節(jié)點。
近日，在物理方法、生物、流體力學等基礎科學領域，國內多個研究團隊基于昇思MindSpore Science科學智能套件的助力，取得重大突破。
在這些成功踐行的科學智能探索背后，我們可以進一步讀懂，科學家們對AI有哪些具體而迫切的需求，智能工具和平臺又是如何與科學場景緊密嵌合的，科學與智能的緊耦合又會為科學探索帶來哪些可能性。
找鑰匙，鑄鑰匙：科學與AI的無縫嵌合
一場科學革命的發(fā)生，往往是以范式轉換作為先導的，而科學智能的新范式，要讓科學與智能加速融合，以最高效率為科學乃至社會帶來價值，還要解決一系列挑戰(zhàn)：
首先，科學和AI的語言難以對齊。
科學的本質是探索和改造客觀世界，科學智能則意味著數(shù)字世界、物理世界、生物世界，正在前所未有的融合。不同世界的語言、規(guī)則等跨度很大，比如，要將電磁、力學、氣象等物理規(guī)律（方程式）投射到數(shù)字世界中，需要轉化為AI可以理解的數(shù)學語言（函數(shù)）；生物世界的DNA、氨基酸、蛋白質、神經元等，大量生命科學的奧秘還未完全揭開，直接用機器學習的算法，可能是無法運行的，或者效果不夠好。
接下來，還會遭遇AI技術本身的復雜性。
AI技術體系復雜，落地科學計算，包括建立數(shù)據(jù)庫、數(shù)據(jù)清洗、模型選型、系統(tǒng)運維等一項項細節(jié)工程……對很多科研院所、高校師生、產業(yè)研究院來說，AI是新生事物，缺乏相關經驗，導致AI+科學計算模型的開發(fā)難度大、周期長，進一步限制了科學智能的落地效率。
此外，在探索科學智能的過程中，計算工具平臺不能成為掣肘。
為了推動AI+科學計算，學術界探索出了三種計算模式，分別是物理驅動、數(shù)據(jù)驅動以及物理+數(shù)據(jù)融合驅動。
以流體力學為例，物理驅動（PINNs）將物理方程引入到神經網(wǎng)絡的損失函數(shù)中，使學習結果滿足物理規(guī)律，但PINNs不依賴于傳統(tǒng)數(shù)值方法生成標簽數(shù)據(jù)，計算精度和收斂缺乏理論保證，導致訓練困難，一旦物理約束變化，就需要重新訓練，泛化性不足。而數(shù)據(jù)驅動的流體力學，則有著龐大的數(shù)據(jù)維度，數(shù)據(jù)規(guī)模大、處理耗時長、整體成本高昂。物理+數(shù)據(jù)融合驅動的流體力學，通過仿真軟件獲得輸入和輸出的真實數(shù)據(jù)，比傳統(tǒng)數(shù)值仿真性能提升40~80倍，并且具有很強的泛化性，目前實現(xiàn)場景較為聚焦，有效性也在持續(xù)驗證中。
這些計算模式要取得比較理想的效果，需要基礎硬件平臺、核心AI框架、編譯器、應用工具套件等一整套端到端的軟硬件解決方案，離不開平臺化的支撐。目前，只有華為、谷歌等極少數(shù)科技公司，在科學智能領域有較為全面的軟硬件布局。
可以看到，科學智能的探索過程中，科研人員和開發(fā)者所期待的，是直接簡單地使用AI平臺工具和能力進行開發(fā)，這就需要平臺將復雜的硬件、算力服務、AI框架、編譯器、模型、應用、環(huán)境等，像IT領域的“交鑰匙工程”一樣，整合成適配科學計算任務的方案，讓研究人員可以專注于AI科學計算的應用創(chuàng)造，進行更高效的研發(fā)探索。
昇思MindSpore原生支持科學智能，打造了昇思MindSpore Science科學智能套件，包含了業(yè)界領先的開源基礎模型、預置高精度模型和前后處理工具，支持物理驅動/數(shù)據(jù)驅動/物理數(shù)據(jù)融合驅動等多種AI+科學計算范式的全場景AI框架。
AI與科學計算的融合剛剛開始，有大量場景等待探索。昇思MindSpore面向生物、流體、電磁、量子計算等領域，推出了相應的行業(yè)套件，以加速應用開發(fā)和探索發(fā)現(xiàn)。
開鎖行動：AI for Science的價值自證
近日，中國科學家及其團隊，借助昇思MindSpore SPONGE、MindSpore Flow等科學智能套件，分別取得了多個突破性進展。從中，我們可以看到，AI在科學場景中所能發(fā)揮的關鍵作用：
作用一，以AI方法加速助力物理學的理論突破。
20世紀是物理學的世紀，我們今天仍在享受著上一次科技革命的遺澤，留給當代研究者的都是高處難摘的果實。比如，在流行病學、氣象科學、流體力學和生物學等領域中，很多的底層PDE方程仍未被完全發(fā)掘出來。
昇思技術團隊與中國人民大學高瓴人工智能學院孫浩教授團隊合作，基于昇思MindSpore AI框架，提出了物理編碼遞歸卷積神經網(wǎng)絡（Physics-encoded Recurrent Convolutional Neural Network，PeRCNN），實現(xiàn)了對非線性PDE的精確逼近。近日，該成果已在《Nature》子刊《Nature Machine Intelligence》上發(fā)表。
從中可以看到，AI的兩個特點正在為基礎研究的突破帶來可能。
一是計算效率。相較于物理信息神經網(wǎng)絡、ConvLSTM、PDE-NET等方法，PeRCN模型的泛化性和抗噪性明顯提升，長期推理精度提升了10倍以上，可以突破傳統(tǒng)計算瓶頸，推動偏微分方程的求解。
（PeRCNN在預測和外推的性能上也優(yōu)于ConvLSTM/ResNet/PDE-Net/DHPM等方法）
二是暗知識。AI能夠發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中的相關性，是人類無法感受又無法描述和表達的“暗知識”。PeRCN模型的可解釋性，可以從學習到的模型中進一步提取底層的基礎物理學表達式，有望準確可靠地發(fā)現(xiàn)潛在的物理規(guī)律，讓我們對物理世界的認識取得新突破。
作用二，首次實現(xiàn)AI+蛋白質動態(tài)結構折疊，加速生命科學研究進程。
生物醫(yī)藥領域有著名的“雙十定律”，即研發(fā)一款新藥需要花費至少十年時間、十億美元，90%的臨床藥物研發(fā)都將以失敗告終。加速藥物研發(fā)的進程，對于提高人類的生命健康、生存質量，有非常重要的意義。
（FAAST核磁共振數(shù)據(jù)解析流程）
而生物醫(yī)學領域的AI計算，具有數(shù)據(jù)量龐大、數(shù)據(jù)結構復雜多樣、有效算法稀缺的種種特性，尤其需要預測準確、簡單易用、高效協(xié)作的工具平臺。昇思MindSpore的計算生物領域套件MindSpore SPONGE，支持分子動力學、蛋白質折疊等常用功能，在大規(guī)模計算任務中快速完成計算，輔助研發(fā)人員高效研發(fā)。
近日，昇思技術團隊與高毅勤教授團隊（昌平實驗室、北京大學化學與分子工程學院和生物醫(yī)學前沿創(chuàng)新中心（BIOPIC））、田長麟教授團隊（中國科技大學、中科院強磁場科學中心）、王申林教授（華東理工大學生物反應器工程國家重點實驗室）合作，基于昇思MindSpore+昇騰AI基礎軟硬件平臺，開發(fā)了NMR數(shù)據(jù)自動解析方法FAAST，將通過核磁共振試驗獲得的蛋白質動態(tài)結構，解析速度提高了十倍，解析時間從數(shù)月，縮短到數(shù)小時，全流程無需專家投入，大大減輕了研究人員的重復勞動，加速生命科學研究和藥物研發(fā)流程。
作用三，AI+流體力學指數(shù)級提升大飛機研發(fā)效率、降低研發(fā)成本。
歷史告訴我們，每一次工業(yè)革命，都需要將科研成果轉化為產業(yè)可用、可接受的技術，很多產業(yè)也對科學智能投入了大量研發(fā)資源與期待。以流體力學為例，大型客機的流體問題，就是一個非常具有挑戰(zhàn)性的科學難題，也是非常典型和高價值的力學場景。
傳統(tǒng)飛機設計，仿真過程復雜，需要進行物理建模、網(wǎng)格劃分、數(shù)值離散、迭代求解等步驟，經過千萬億次的模擬仿真，計算周期長。
在WAIC2023上發(fā)布的“東方.翼風”大模型，同樣是基于昇思MindSpore開發(fā)，實現(xiàn)了三維超臨界機翼流體仿真，可以對飛機全場景飛行狀況進行快速且高精度的模擬，助力飛機研發(fā)，該成果榮獲WAIC最高獎項 SAIL獎。
具體來說，“東方.翼風”利用昇思 MindSpore Flow流體仿真套件，結合流體領域專家經驗、數(shù)據(jù)，實現(xiàn)對飛機翼型全場景飛行工況模擬，在三維機翼幾何變化的情況下，全流場誤差達到了萬分之一，三維翼型仿真模擬時間降低為原來的千分之一，加速了飛機設計的效率，減少風洞重復試驗的次數(shù)和成本。
這些科學智能的成功探索，用實打實的創(chuàng)新證明了，科學場景與AI技術，可以借助精細而易用的工具平臺，高效快速地完成對齊、緊密嵌合，發(fā)揮AI的技術價值，解鎖更多的科學奧秘，滿足大眾、產業(yè)和社會對科技進步的殷切期待。
解鎖無盡前沿：昇思MindSpore鑄就“全能”鑰匙
如果說，這三次科學探索的成功，是一個明晰的信號和方向，說明科學智能蘊藏了無比巨大的期待和潛力。那么下一個問題就是：這些成功，究竟是案例式的炫技，還是可持續(xù)、可復制、可信賴的新科研路徑？
換句話說，昇思MindSpore構筑的工具平臺，也適用于其他未解的科學難題嗎？
目前來看，昇思MindSpore的“全能型”特點，也使其成為一把“全能鑰匙”，能夠從多個維度，支撐科學智能的持續(xù)探索，具體來說：
1.深度。結合自研硬件、融合架構到編譯軟件，AI框架能力，技術底座的全棧布局，可以滿足科研人員和開發(fā)者在科學計算中從算力到應用的全流程需求，消除后顧之憂。
2.巧度。簡單易用的MindSpore Elec、MindSpore SPONGE、MindSpore Flow等行業(yè)套件，免去了眾多開發(fā)流程與運維成本，有效提升科研項目的開發(fā)效率，降低了科學計算和AI的開發(fā)成本，分子屬性、蛋白質結構、高空湍流等預測準確，切實提升了科學探索的成功率。
3.廣度。昇思打造了南北向生態(tài)和開源社區(qū)，匯聚新模型、新技術、課程、專家和落地場景等豐富生態(tài)資源，在生態(tài)內推動產學研用一體化的協(xié)同創(chuàng)新，拓展科學邊界，將科研價值進一步打開。
4.長度。科研不是一蹴而就的，有時要有坐冷板凳的耐心。因此，科學智能的計算領域伙伴也要有長期扎根科研領域的長期戰(zhàn)略耐心和布局，持續(xù)升級基礎設施和技術、迭代模型和產品。這一點上，昇思MindSpore作為產業(yè)智能化的基座，在通往無盡前沿的探索之路上，陪科研人員走得更遠。
四個維度，把科學與智能相融合的每一個環(huán)節(jié)、每一個阻礙，都一一解決掉，只留給研究人員和開發(fā)者最簡單易用的開發(fā)體驗，這就是MindSpore Science如同“交鑰匙工程”一樣高效的使能模式。
陳寅恪先生說過：“一時代之學術，必有其新材料與新問題。取用此材料，以研求問題，則為此時代學術之新潮流。治學之士，得預于此潮流者，謂之預流?！?/p>
AI就是這個時代的預流，昇思MindSpore正在推動更多治學之士與AI加速擁抱，融入科學智能的時代洪流。
更多科學領域和智能技術無縫嵌合，成功的“開鎖行動”不斷涌現(xiàn)，我們就距離科學的無盡前沿，更近了一步。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
