首个流体力学大模型背后,是昇腾的大模型“造林”逻辑

2023-11-06 22:04

本文主要是介绍首个流体力学大模型背后,是昇腾的大模型“造林”逻辑,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

作者 | 曾响铃

文 | 响铃说

一个飞机模型在试验风洞里,空气从它的机翼与机身流过,形成一层又一层稳定的气流,当风速加快,空气的流线开始波浪式摆动,最终随着速度增大而相互混合、形成不再能分辨的湍流,看起来混沌又无序……

这是流体力学测试的常见场景,一遍又一遍地测试,只为模拟或预测真实的气流过程,试图从混沌与无序中找出更多确切的规则、轨迹来,从而优化飞行器设计,带来更好的升力、更强的稳定性等。

然而,就如普通人看到的是“一团乱麻”,湍流在流体力学上的极端复杂性,让这一过程的精度与效率每向前提升一步都极为艰难。

好在,大模型正在带来新的可能性。

继今年5月预发布后,最近中国(西安)人工智能高峰论坛上,首个面向飞行器的流体力学大模型“秦岭•翱翔”正式发布。

该大模型是在开源流体计算软件风雷的基础上研发的流体仿真智能化模型,能大大提升湍流研究、流场预测等能力,辅助飞行器制造工业再上一个台阶。

在这个大模型背后,昇腾AI的支持不容忽视,而关于大模型究竟如何实现深入、良性地发展,以“秦岭•翱翔”为标杆,昇腾也给出了自己的“造林”打法。

突破艰深技术难题,大模型面临新的挑战

盘点“百模大战”下各类大模型的价值方向,无非分为两种:

对既有能力进行替代与精进,典型如内容输出、智能客服等,原本人工就能做,大模型的到来实现的是“锦上添花”式的进步;

对既有难题进行攻克,例如流体力学、遥感影像识别,原本就是业界难题,一些症结问题困扰多年影响了领域内的创新进化,而大模型的到来直接成为攻克这些难题的武器。

“秦岭•翱翔”面对的,是被诺贝尔奖获得者费曼视作“经典物理学中最后一个尚未解决的重要问题”的湍流问题——一百多年的研究后,湍流至今还没有成熟的精确理论,一些基本技术问题仍然得不到理论解释。

大模型的出现,或能以兼顾精度和效率的方式,解决湍流高效计算的世纪难题。

但是,当大模型作为解决这种世纪难题的武器、对特定领域十分艰深技术难题进行突破时,就不再只有算力的支持,而更需要流体力学学科专业知识与底层软硬件资源方进行深度协同才能共同实现,大量的问题需要反复验证与资源适配。

这个时候,昇腾这样的“资源方”就不能只是“丢出算力资源等待收获”、做大模型的生态“圈林”者,而必须针对一棵棵“大树”都进行培育,做大模型生态的“造林”者。

“秦岭•翱翔”的“AI湍流大模型模块”能够对多尺度复杂湍流场实现更高精度求解,在典型翼型大迎角分离流动、典型翼身组合体跨声速绕流模拟上,做到了模拟精度、求解效率较传统模型提高数倍。此外,“流场预测大模型模块”则大大提升了复杂流场预测效率,二维翼型流场求解实现5个数量级加速,三维机翼流场预测的耗时从小时级缩短到秒级,误差都小于1%。

这些能力,离不开西北工业大学张伟伟教授团队深入的流体力学学科专业知识,而昇腾以大模型生态的“造林”打法,将这些知识与底层软硬件资源深入协同,帮助实现更高效的训练、更优的算法以及应用效率,同样是重要因素。

以“造林”模式,昇腾助推大模型应对挑战

拆解昇腾如何帮助“秦岭•翱翔”成长,结合其他昇腾支持的大模型的发展,其“造林”模式的三个环节显露出来。

1、提供充分肥沃的“土壤”

在看待不同类型的大模型发展前,充分的算力服务支持始终是基础——大树长得好不好,后天环境先不论,脚下的土壤肥力供给首先必须到位。

“秦岭•翱翔”由西安人工智能计算中心提供训练和部署一站式解决方案,该计算中心基于昇腾AI基础软硬件平台,由地方政府主导建造,为研究人工智能的高校、企业及科研院所提供精准可靠的模型训练及推理服务。

作为西部首个、全国第二的大规模人工智能算力集群,该计算中心以澎湃的算力和服务大大加速了地区的大模型发展速度,除了让“秦岭•翱翔”实现高效训练与部署,还支撑了“秦岭•遥感脑大模型”、“秦岭•秦川交通大模型”等的发展。

截止今年6月,西安人工智能计算中心已经运算达30亿亿次,这些“营养”被源源不断输送到各种攻克前沿难题的大模型中,保障它们成长的基本能量。

2、促进扎实快速地“生长”

搞定基础能量供给后,“造林”模式还需要根据生长需要,全程扶助大模型这棵“大树”成长。

在“秦岭•翱翔”的成长过程中,基于硬件和AI框架昇思MindSpore提供亲和优化及技术支撑,并基于AICC共同针对分布式并行进行对接、开发和优化,对算法、软件、算子、共同进行探索及创新。

可以说,正因为有了双方在模型算法设计、混精加速以及与风雷耦合并行优化等方面进行的联合创新及验证,“秦岭•翱翔”才能体现出攻克传统领域难题的力度。

实际上,在“秦岭•翱翔”之前,与此类似的一棵棵大树扶持的“造林”做法,昇腾已进行多时。

早在2021年9月,中国科学院自动化研究所就发布了全球首个千亿参数的多模态大模型“紫东太初”1.0,该大模型依托昇腾AI澎湃算力与昇思AI框架打造,在武汉人工智能计算中心支持孵化。现在,这棵大模型的“大树”已经进一步成长到了2.0版本的全模态大模型形态。

此外,今年8月,中国科学院空天信息创新研究院发布了首个面向跨模态遥感数据的生成式预训练大模型“空天•灵眸”,也是由空天院联合北京昇腾人工智能生态创新中心技术团队打造。

一棵又一棵,昇腾一步步“造”出自己的大模型生态之林。

3、打造始终适宜的“成长环境”

一棵大树能不能长好、最终开花结果,除了土壤与栽培,气候等外部生长环境同样重要。

对注定要改变时代的大模型而言,从技术创新到产业应用,一路走来都需要良好的产业生态支持,“蒙眼狂奔”式的创新最终走不出优质的大模型。

“秦岭•翱翔”成长的重要产业生态背景,是早在2022年9月,由中国空气动力学会指导、产业界领军人物和30多家全球头部流体力学高校、科研院所与龙头企业就共同组建了“智能流体力学产业联合体”,其中昇腾AI等人工智能技术成为重要基础。

“秦岭•翱翔”的预发布,正是在第二届智能流体力学产业联合体大会上。

通过助推产业联合体的成立,昇腾已经为大模型的成长塑造了良好的外部产业生态环境,正在推进创新成果涌现并即刻对接到产业当中去。在产业应用上,“秦岭•翱翔”可以耦合hpc为数值求解软件提供底层能力,推动工业软件自立自强和跨越式发展;也可以直接替代流场求解器,在企业内部直接针对具体场景需求使用。

在产业联合体推进下,下一步,大飞机、运载火箭、叶轮机械等前沿制造业领域都将受益于“秦岭•翱翔”。

“造林”模式可能在数量上没有“圈林”那么快,但每一个大模型的出现,都是能真正改变社会的“精品”。

结语

数千年的人类历史,科技快速发展只在近一二百年,无数的数学、物理学等领域的经典难题还在等待解决,大模型帮助提升流体力学求解精度和效率,证明了在这方面的潜力。

由此,大模型也在改变旧有的国际技术竞争追赶机制,让后进者能够绕开漫长的、只能依赖时间进程的能力积累过程,直接实现相关领域的产业突破。

目前,除了“秦岭•翱翔”、“紫东太初”、“空天•灵眸”,昇腾还原生支持及适配了超过50多个业界主流大模型,逐渐成为科研机构大模型创新的首选。当大模型成为我国在相关领域弯道超车的重要机会,业界无疑需要基础软硬件资源方以“造林”模式深度投入,才能确保攻克难题的大模型武器有足够力量,如此,“造林”逻辑也超越产业,成为国家竞争的一种必要。

*本文图片均来源于网络

*此内容为【响铃说】原创,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

#响铃说   Focusing on企业数字化与产业智能化升级,这是关注一切与创业、产业和商业相关的降本增效新技术、新模式、新生态 NO.372深度解读

【完】

曾响铃

1钛媒体、人人都是产品经理等多家创投、科技网站年度十大作者;

2 虎啸奖评委;长沙市委统战部旗下网络名人联盟成员;

3 作家:【移动互联网+ 新常态下的商业机会】等畅销书作者;

4 《中国经营报》《商界》《商界评论》《销售与市场》等近十家报刊、杂志特约评论员;

5 钛媒体、36kr、虎嗅、界面、澎湃新闻等近80家专栏作者;

6 “脑艺人”(脑力手艺人)概念提出者,现演变为“自媒体”,成为一个行业;

7  腾讯全媒派荣誉导师、功夫财经学者矩阵成员、多家科技智能公司传播顾问。

这篇关于首个流体力学大模型背后,是昇腾的大模型“造林”逻辑的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/359303

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号