AI for Science|7月18日TF140 报名

阅读量:197 2024-07-11 收藏本文

本次研讨会邀请到来自百度、中国科学院力学研究所、西安交通大学、华中科技大学的4位行业专家，分别就“百度飞桨——人工智能技术创新与科学计算探索”、“物理信息增强的智能流场预测方法研究”、“Deep learning for multi-fidelity data fusion and uncertainty quantification”以及“基于物理信息神经网络的风场数据同化”等前沿领域热点问题展开报告。

为工程师提供顶级交流平台

CCF TF第140期

时间 2024年7月18日 19:00-21:00

主题AI for Science

欢迎扫码了解详情和报名参会

报名链接：https://conf.ccf.org.cn/TF140

随着人工智能技术的飞速发展，AI已成为科研创新的重要驱动力。AI for Science这一新兴领域通过融合人工智能最新技术与传统科学研究方法，为解决复杂科学问题提供了全新的视角和工具。在此背景下，本次TF活动聚焦“AI for Science”前沿进展，旨在搭建一个交流平台，促进跨学科合作与知识共享。

本次研讨会邀请到4位在AI for Science领域进行了深入探索和研究的嘉宾。百度的陈凯博士将介绍百度飞桨在AI for Science领域的工作和成果，并以汽车风阻预测模型为例，具体介绍飞桨支持和实现AI for Science学术前沿成果到产业级应用的路径和方案；西安交通大学的郭振东教授从子午面全景式性能预测和基于叠加原理的端壁冷却布局性能预测2个方面，对物理信息增强的智能流场预测与重构相关研究进展进行介绍；华中科技大学孟旭辉教授提出一种复合神经网络以解决高保真度数据匮乏问题，显著提升了模型精度，此外还将就预测不确定性的量化问题展开讨论；中科院力学研究所的孙振旭研究员面向风力发电场的混合数据同化，提出一种基于PINN 的数据同化框架，支持使用多种类型测量数据进行训练。

本次活动不仅涵盖了AI for Science的核心技术与应用案例，还将深入探讨该领域的未来发展趋势与潜在影响。诚邀对AI技术及其在科学研究中的应用感兴趣的学者、研究人员、工程师及行业专家参与此次研讨会，共同探索AI for Science的广阔前景与无限可能。通过交流与碰撞，我们期待能够激发新的科研灵感，推动更多跨学科合作项目的诞生，为科学研究的进步贡献智慧与力量。

二、会议安排

TF140：AI for Science 2024年7月18日(星期四) 主持人：何中军，CCF TF算法与AI SIG主席，百度人工智能技术委员会主席
时间	主题	讲者
19:00-19:05	活动介绍及致辞	何中军 CCF TF算法与AI SIG主席，百度人工智能技术委员会主席
19:05-19:35	百度飞桨——人工智能技术创新与科学计算探索	陈凯百度公司资深研发工程师
19:35-20:05	物理信息增强的智能流场预测方法研究	郭振东西安交通大学，助理教授
20:05-20:35	Deep learning for multi-fidelity data fusion and uncertainty quantification	孟旭辉华中科技大学教授
20:35-21:05	基于物理信息神经网络的风场数据同化	孙振旭中国科学院力学研究所副研究员
21:05-21:10	活动总结	何中军 CCF TF算法与AI SIG主席，百度人工智能技术委员会主席

三、所属SIG

CCF TF 算法与AI SIG

四、特邀讲者

陈凯

百度公司资深研发工程师

主题：《百度飞桨——人工智能技术创新与科学计算探索》

主题简介：数据是人工智能的驱动力，理论是自然科学的基石，当前人工智能技术的快速发展促进了两者的紧密结合，引发了科学发现和模式创新的变革。百度飞桨作为中国首个自主研发、功能丰富、开源开放的产业级深度学习平台，紧紧抓住AI for Science的技术浪潮，从底层框架、开发套件和模型应用等方面全方位深度支持科学研究和产业应用需求，形成了端到端的AI科学计算工具体系。本报告将全面介绍百度飞桨在AI for Science领域的工作和成果，并以汽车风阻预测模型为例，具体介绍飞桨支持和实现AI for Science学术前沿成果到产业级应用的路径和方案。

个人简介：陈凯，百度资深研发工程师。清华大学能源与动力工程系博士毕业、自动化系博士后，斯坦福大学访问学者，曾任中国科学院助理研究员、北京汽车研究总院高级主任工程师。研究领域为科学机器学习、超临界压力和微纳尺度流体流动与传热、空间站和车辆热管理等。作为骨干参与或负责多项国家自然科学基金、科技部国家重点研发计划和企业落地应用项目。以第一作者发表SCI/EI论文10余篇，授权专利10余项，授权软件著作权1项。曾获中国工程热物理学会传热传质分会“王补宣——过增元青年优秀论文二等奖”、第七届数据挖掘、通信和信息技术国际会议(DMCIT 2023)最佳口头报告论文奖等。担任Engineering Applications of Artificial Intelligence、International Journal of Heat and Mass Transfer、Applied Physics Letters、Physics of Fluids等期刊审稿人。

郭振东

西安交通大学，助理教授

主题：《物理信息增强的智能流场预测方法研究》

主题简介：伴随着人工智能技术的迅猛发展，AI驱动的第四范式在涡轮等叶轮机械设计中受到广泛关注。一方面，AI驱动的第四范式有望突破试验/CFD等传统研究范式须在“成本与模型精度之间权衡”的限制，实现更加精细敏捷的叶轮机械流场分析与设计；另一方面，第四范式研究面临AI模型训练样本稀缺、泛化能力不足等瓶颈问题。为突破上述瓶颈，在“数据不足模型补，模型不精数据帮”理念的启发下，开展了物理信息增强的智能流场预测与试验/CFD多源数据融合方法研究。本汇报将从子午面全景式性能预测和基于叠加原理的端壁冷却布局性能预测2个方面，对物理信息增强的智能流场预测与重构相关研究进展进行介绍。

个人简介：郭振东，男，工学博士，西安交通大学能动学院助理教授；中国机械工程学会机械设计分会青年委员。新加坡南洋理工大学数据科学与人工智能研究中心(DSAIR)研究员、美国佛罗里达大学访问学者、日本三菱重工高砂研究所访问研究员。主要从事叶轮机械智能设计优化方法、智能流场预测、数据挖掘及不确定性量化与鲁棒性/可靠性设计优化研究。入选陕西省秦创原高层次创新创业人才（高层次科技人才），主持国家自然科学基金项目1项、航空发动机及燃气轮机重大专项子课题1项及透平机械行业研究院所和国有大型企业攻关项目多项，并作为骨干参与了国家自然科学基金重点项目、民机专项等多个重点项目研发。已授权专利3项，获软件著作权4项，发表包括IEEE Transactions on Cybernetics、 ASME Journal of Turbomachinery等人工智能/叶轮机械领域顶级期刊在内的SCI收录论文20余篇，EI收录论文20余篇。

孟旭辉

华中科技大学教授

主题：《Deep learning for multi-fidelity data fusion and uncertainty quantification》

主题简介：Deep learning algorithms have emerged recently for solving partial differential equations (PDEs), especially in conjunction with sparse data. In particular, the recently developed physics-informed neural networks (PINNs) have shown their effectiveness in solving both forward and inverse PDE problems. However, currently the training of neural networks relies on data of comparable accuracy but in real applications only a very small set of high-fidelity data is available while inexpensive lower fidelity data may be plentiful. In this talk, I will introduce a new composite neural network (NN) that can be trained based on multi-fidelity data, which significantly improves the accuracy comparing to single-fidelity modeling. I will also introduce an uncertainty-induced multi-fidelity NN which is capable of quantifying the predicted uncertainty arising from noisy and gappy data.

个人简介：孟旭辉，华中科技大学数学与应用学科交叉创新研究院教授，国家级青年人才项目获得者，小米青年学者。2017年博士毕业于华中科技大学能源与动力工程学院；2018年-2022年美国布朗大学应用数学系博士后。截至目前已在SIAM Review、JCP、CMAME等期刊发表SCI论文20余篇，谷歌学术总引用4000余次，7篇论文入选ESI高被引论文，担任JCP、SISC、CMAME、Nat. Comput. Sci .等期刊审稿人。

孙振旭

中国科学院力学研究所副研究员

主题：《基于物理信息神经网络的风场数据同化》

主题简介：本报告面向风力发电场的混合数据同化，提出一种基于PINN 的数据同化框架，支持使用多种类型测量数据进行训练。提出的数据同化框架以平坦地形上的大气边界层流动作为基准算例进行测试，使用风场测量中常见的各种类型数据进行训练，包括雷达视向风速、速度矢量、速度分量和压力以及它们的混合组合。经过训练的模型能够重构风力涡轮机站点上游流场的详细信息，也能够据此计算风场中的一些局部特性，如站点上游某个位置的有效风速。还引入迁移学习的策略，实现对预训练的模型的在线部署，以在线模式同化实时测量的数据，解决原始的PINN 无法进行在线部署的缺陷。

个人简介：孙振旭，中国科学院力学研究所副研究员，主要从事空气动力学、计算气动声学、气动外形优化以及智能流体力学等方面的研究工作，现为中科院青促会会员、中国空气动力学会风工程和工业空气动力学专业委员会委员、中国空气动力学会风能空气动力学专业委员会委员等。承担过国家自然科学基金、重点研发计划、中欧绿色航空降低飞机噪声源与辐射等国家课题，另外还承担了大量企业委托的横向课题，发表学术论文50余篇。在智能流体力学方面，当前主要着力于发展融合物理的神经网络，拓展PINNs方法在流体力学反问题中的应用。当前已经发展了PINN-POD方法和STPINNs并行求解框架，在利用有限量流场数据回归高精度流场模态以及解决较高雷诺数湍流流场稀疏重构问题中均获得了成功应用。

五、SIG主席

何中军

CCF TF算法与AI SIG主席，百度人工智能技术委员会主席

个人简介：长期从事机器翻译研究与开发，研发了全球首个互联网神经网络机器翻译系统及语义单元驱动的机器同传系统。曾获国家科技进步二等奖、中国电子学会科技进步一等奖、北京市科技进步一等奖、中国专利银奖等多项奖励。

姜文斌

CCF TF算法与AI SIG主席，北京师范大学教授

个人简介：长期从事大语言模型、通用推理、知识图谱、自然语言处理方面的研究工作，主持和参与多项国家自然科学基金、科技部863计划等项目，发表学术论文50余篇，获得专利授权20余项，部分成果在多个知名企业、国防安全部门、百度核心业务等场景得到应用。在百度工作期间负责通用推理前瞻研究和大模型推理能力建设，支持文心一言推理能力比肩国际最强竞品。获得北京市科学技术奖、中科院青促会人才计划、百度十大前沿发明等奖项。

六、参会说明

1、如报名后无法参加，请及时于活动开始前发送邮件申请取消（联系邮箱：tf@ccf.org.cn），无故缺席将影响下一期活动的参与。

2、活动采用线上模式：腾讯会议；同时也将在CCF视频号“中国计算机学会”同步直播。

（注：腾讯线上会议人数有限，若未能进入腾讯会议，可通过直播参与。）

3、会议链接和密码将在活动当天通过邮件、短信通知。可点击腾讯会议链接，输入密码参加。

4、请于活动前一天15:00前完成报名，及时获取会议链接。

5、CCF会员免费参加，非会员99元/次（CCF会员以及缴费观众可登录CCF数字图书馆，免费回顾本期活动经授权的报告内容），加入会员可免费参与全年线上活动。

七、会员权益

会员免费参加CCF TF全年20场线上活动，优惠价参加14场线下活动，为自己的技术成长做一次好投资，用高性价比获取专业知识的绝佳路径！