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

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

Linux系统稳定性的奥秘:探究其背后的机制与哲学

在计算机操作系统的世界里,Linux以其卓越的稳定性和可靠性著称,成为服务器、嵌入式系统乃至个人电脑用户的首选。那么,是什么造就了Linux如此之高的稳定性呢?本文将深入解析Linux系统稳定性的几个关键因素,揭示其背后的技术哲学与实践。 1. 开源协作的力量Linux是一个开源项目,意味着任何人都可以查看、修改和贡献其源代码。这种开放性吸引了全球成千上万的开发者参与到内核的维护与优化中,形成了

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著

PyTorch模型_trace实战:深入理解与应用

pytorch使用trace模型 1、使用trace生成torchscript模型2、使用trace的模型预测 1、使用trace生成torchscript模型 def save_trace(model, input, save_path):traced_script_model = torch.jit.trace(model, input)<

女人的逻辑

段子一: “今晚妹子无意间在我电脑的某个文件夹内发现了前女友的照片,死活要和我分手。原因是觉得我前女友巨丑,进而怀疑我眼光,为了避嫌,她决定分手。” 段子二: “一妹子的钥匙弄不见了就去配钥匙,她问师傅:“可以配钥匙吗?”师傅说:“可以可以。”然后师傅看着她,她也看着师傅。良久,师傅忍不住问她:“钥匙呢?”那妹子说:“我有钥匙干嘛还找你