\u200E
中|EN
飞桨博士会&AI for Science用户线下见面会来了！
发布日期：2022-08-29 06:25浏览量：1489次
传统工业、能源、气象海洋等领域主要涉及计算流体力学、结构力学、热动力学、电磁学等学科专业，而数值仿真作为主要计算方法在这些领域的问题探索中扮演着重要角色。随着人工智能技术的日渐成熟，通过结合数据驱动与先验的物理信息，传统数值仿真方法计算效率低、高维PDE推演计算复杂等问题得到了有效的改善，同时加速了新科学问题的发现，传统行业也迎来了新时代。
8月30日，飞桨将带来主题为“ AI for Science：AI助力传统工业场景及气象领域科学计算 ”的线下交流分享会。本次Meetup由飞桨科学计算团队为大家带来飞桨框架与科学计算相融合的解读，以及赛桨PaddleScience案例介绍。同时邀请了三位行业专家，为大家带来关于AI赋能工程热物理、火箭发动机真空羽流仿真以及风暴潮预报的三大主题，讨论AI在科学计算领域的应用前景以及挑战。

  • 活动时间

8月30日 14:00

  • 活动地点

百度大脑创新中心（中关村创业大街）

  • 报名要求

欢迎从事计算机/人工智能或各领域科学计算方向的研究人员踊跃报名
扫码报名


嘉宾介绍


胡晓光

百度杰出研发架构师

分享主题：

飞桨框架核心技术与科学计算

议题介绍：

本次分享将深入解读飞桨核心框架技术与科学计算的融合，分享包括飞桨现状、为支持科学计算任务提供的框架技术能力、飞桨科学计算工具组件赛桨PaddleScience功能、以及AI for Science的前沿探索等话题。

张艳博

百度高级技术产品经理

分享主题：
赛桨PaddleScience科学计算实例介绍
议题介绍：
本次分享主要围绕赛桨PaddleScience端到端的API应用进行介绍，并结合赛桨上开发的LDC、圆柱绕流以及涡激振动等应用案例，对赛桨的API应用流程、具体的科学计算实践等进行介绍和讨论。


陈凯

百度高级研发工程师

分享主题：

科学机器学习研究及其工业场景应用

议题介绍：

工业智能化的核心基础是物理场的实时仿真与参数反演优化，基于方程离散的经典数值方法在这方面存在明显不足。随着人工智能尤其是深度学习的发展与应用，深度学习与物理场数值仿真深度融合，为这一问题提供了新的解决思路。
本报告以金属热处理控制参数实时优化为案例，介绍物理信息神经网络在工业智能化中的应用场景与技术路径。


张百一

北航航空宇航科学博士

分享主题：

深度学习在火箭发动机真空羽流仿真中的应用

议题介绍：
火箭发动机在真空中工作会喷出高温高速的真空羽流，对航天器产生气动力、气动热、污染、电磁干扰和视场干扰等，影响航天器正常工作甚至任务成败。因此，真空羽流及其效应评估和防护是航天领域的关键科学和工程问题。
本次分享将从利用深度学习方法加速真空羽流模拟，以及真空羽流未知物理信息反演两个方面进行讨论，并给出两个研究案例：
（1）基于卷积神经网络的直接模拟蒙特卡洛方法研究；
（2）基于物理信息神经网络的等离子体参数反演研究。


姚帏

中科院大气物理研究所研发工程师


分享主题：

知识增强型神经网络在风场重构和风暴潮预报中的应用与前景
议题介绍：
目前全球变化领域拥有超过100PB的研究数据，给气象海洋学家带来巨大的研究挑战和机遇。数据驱动的建模或机器学习可被视为快速预测热带气旋边界层风、及相应风暴潮的有效工具。但传统的神经网络并不能嵌入物理规则而导致应用效果较差，所以更通用的知识增强深度学习算法来预测热带气旋边界层风的空间分布，具有较高的计算效率和模拟精度。
基于几个最先进的半经验公式的简化 Navier-Stokes 方程被用作深度学习（全连接，前馈系统）中损失函数的一部分，以提供机器可读的先验知识，促进效果神经网络的正则化。



日程安排


关于我们


PaddleScience
百度飞桨科学计算工具组件赛桨PaddleScience是基于飞桨核心框架的科学计算通用求解器，重点围绕高水平科研活动场景，提供端到端的应用API，综合数学计算与物理数据相结合的处理方法，提供物理机理约束的PINNs（Physics Informed Neural Networks, 物理信息神经网络）方法, 加速求解高维偏微分方程。

飞桨博士会

飞桨博士会是由百度开源深度学习平台飞桨（PaddlePaddle）发起的中国深度学习技术俱乐部，旨在打造深度学习核心开发者交流圈，成员皆为博士，且具备深度学习多年研究和实践经验。此前飞桨博士会已举办多期线下沙龙，组织会员共同研讨自然语言处理（NLP）、计算机视觉（CV）、AutoDL自动深度学习建模技术、AI+科学计算等前沿技术。


加入我们


PPSIG-PaddleScience

科学探索路漫漫而修远兮，我们希望通过特殊兴趣小组的形式，召集一些志同道合的小伙伴们，一起来完成框架开发、套件模型算法共建、论文复现等工作，一起挑战最前沿的AI+Science技术研发与科研创新，聚焦科研创新与业务应用落地，从而帮助更多的开发者在后续套件的使用上降低使用工具的难度。

PaddleScience期待凝聚更多力量，只要你热爱Coding、认可开源理念、并愿意为PaddleScience的发展贡献你想法和代码，我们真诚期待你的加入，共同书写AI for Science的新篇章。

感兴趣的小伙伴请点击链接填写申请表单，后续将有工作人员联系您。
链接：https://paddle.wjx.cn/vm/w1mgvEk.aspx


相关阅读

相关地址

  • 飞桨AIforScience共创计划
https://www.paddlepaddle.org.cn/science

  • 飞桨PPISG-Science小组

https://www.paddlepaddle.org.cn/specialgroupdetail?id=9


关注【飞桨PaddlePaddle】公众号

获取更多技术内容~


上一篇：全新AI开发环境来了！NVIDIA产品专家为您解密NGC飞桨容器
下一篇：一键PDF转Word，PP-Structurev2文档分析模型深度解读！
相关动态
“星河产业应用创新奖”启动申报
文心一言最近进展：与飞桨框架协同优化，训练和推理速度大幅提升！
专精特新“小巨人”启科量子加入飞桨技术伙伴计划，共建“AI+量子”科技创新发展格局
象帝先加入硬件生态共创计划，共同打造智算生态
飞桨体验评测交流会助力开源，期待与你携手共建框架产品！
飞桨博士会&AI for Science用户线下见面会来了！
发布日期：2022-08-29T06:25:05.000+0000 浏览量：1489次
传统工业、能源、气象海洋等领域主要涉及计算流体力学、结构力学、热动力学、电磁学等学科专业，而数值仿真作为主要计算方法在这些领域的问题探索中扮演着重要角色。随着人工智能技术的日渐成熟，通过结合数据驱动与先验的物理信息，传统数值仿真方法计算效率低、高维PDE推演计算复杂等问题得到了有效的改善，同时加速了新科学问题的发现，传统行业也迎来了新时代。
8月30日，飞桨将带来主题为“ AI for Science：AI助力传统工业场景及气象领域科学计算 ”的线下交流分享会。本次Meetup由飞桨科学计算团队为大家带来飞桨框架与科学计算相融合的解读，以及赛桨PaddleScience案例介绍。同时邀请了三位行业专家，为大家带来关于AI赋能工程热物理、火箭发动机真空羽流仿真以及风暴潮预报的三大主题，讨论AI在科学计算领域的应用前景以及挑战。

  • 活动时间

8月30日 14:00

  • 活动地点

百度大脑创新中心（中关村创业大街）

  • 报名要求

欢迎从事计算机/人工智能或各领域科学计算方向的研究人员踊跃报名
扫码报名


嘉宾介绍


胡晓光

百度杰出研发架构师

分享主题：

飞桨框架核心技术与科学计算

议题介绍：

本次分享将深入解读飞桨核心框架技术与科学计算的融合，分享包括飞桨现状、为支持科学计算任务提供的框架技术能力、飞桨科学计算工具组件赛桨PaddleScience功能、以及AI for Science的前沿探索等话题。

张艳博

百度高级技术产品经理

分享主题：
赛桨PaddleScience科学计算实例介绍
议题介绍：
本次分享主要围绕赛桨PaddleScience端到端的API应用进行介绍，并结合赛桨上开发的LDC、圆柱绕流以及涡激振动等应用案例，对赛桨的API应用流程、具体的科学计算实践等进行介绍和讨论。


陈凯

百度高级研发工程师

分享主题：

科学机器学习研究及其工业场景应用

议题介绍：

工业智能化的核心基础是物理场的实时仿真与参数反演优化，基于方程离散的经典数值方法在这方面存在明显不足。随着人工智能尤其是深度学习的发展与应用，深度学习与物理场数值仿真深度融合，为这一问题提供了新的解决思路。
本报告以金属热处理控制参数实时优化为案例，介绍物理信息神经网络在工业智能化中的应用场景与技术路径。


张百一

北航航空宇航科学博士

分享主题：

深度学习在火箭发动机真空羽流仿真中的应用

议题介绍：
火箭发动机在真空中工作会喷出高温高速的真空羽流，对航天器产生气动力、气动热、污染、电磁干扰和视场干扰等，影响航天器正常工作甚至任务成败。因此，真空羽流及其效应评估和防护是航天领域的关键科学和工程问题。
本次分享将从利用深度学习方法加速真空羽流模拟，以及真空羽流未知物理信息反演两个方面进行讨论，并给出两个研究案例：
（1）基于卷积神经网络的直接模拟蒙特卡洛方法研究；
（2）基于物理信息神经网络的等离子体参数反演研究。


姚帏

中科院大气物理研究所研发工程师


分享主题：

知识增强型神经网络在风场重构和风暴潮预报中的应用与前景
议题介绍：
目前全球变化领域拥有超过100PB的研究数据，给气象海洋学家带来巨大的研究挑战和机遇。数据驱动的建模或机器学习可被视为快速预测热带气旋边界层风、及相应风暴潮的有效工具。但传统的神经网络并不能嵌入物理规则而导致应用效果较差，所以更通用的知识增强深度学习算法来预测热带气旋边界层风的空间分布，具有较高的计算效率和模拟精度。
基于几个最先进的半经验公式的简化 Navier-Stokes 方程被用作深度学习（全连接，前馈系统）中损失函数的一部分，以提供机器可读的先验知识，促进效果神经网络的正则化。



日程安排


关于我们


PaddleScience
百度飞桨科学计算工具组件赛桨PaddleScience是基于飞桨核心框架的科学计算通用求解器，重点围绕高水平科研活动场景，提供端到端的应用API，综合数学计算与物理数据相结合的处理方法，提供物理机理约束的PINNs（Physics Informed Neural Networks, 物理信息神经网络）方法, 加速求解高维偏微分方程。

飞桨博士会

飞桨博士会是由百度开源深度学习平台飞桨（PaddlePaddle）发起的中国深度学习技术俱乐部，旨在打造深度学习核心开发者交流圈，成员皆为博士，且具备深度学习多年研究和实践经验。此前飞桨博士会已举办多期线下沙龙，组织会员共同研讨自然语言处理（NLP）、计算机视觉（CV）、AutoDL自动深度学习建模技术、AI+科学计算等前沿技术。


加入我们


PPSIG-PaddleScience

科学探索路漫漫而修远兮，我们希望通过特殊兴趣小组的形式，召集一些志同道合的小伙伴们，一起来完成框架开发、套件模型算法共建、论文复现等工作，一起挑战最前沿的AI+Science技术研发与科研创新，聚焦科研创新与业务应用落地，从而帮助更多的开发者在后续套件的使用上降低使用工具的难度。

PaddleScience期待凝聚更多力量，只要你热爱Coding、认可开源理念、并愿意为PaddleScience的发展贡献你想法和代码，我们真诚期待你的加入，共同书写AI for Science的新篇章。

感兴趣的小伙伴请点击链接填写申请表单，后续将有工作人员联系您。
链接：https://paddle.wjx.cn/vm/w1mgvEk.aspx


相关阅读

相关地址

  • 飞桨AIforScience共创计划
https://www.paddlepaddle.org.cn/science

  • 飞桨PPISG-Science小组

https://www.paddlepaddle.org.cn/specialgroupdetail?id=9


关注【飞桨PaddlePaddle】公众号

获取更多技术内容~


上一篇：全新AI开发环境来了！NVIDIA产品专家为您解密NGC飞桨容器
下一篇：一键PDF转Word，PP-Structurev2文档分析模型深度解读！
相关动态
“星河产业应用创新奖”启动申报
文心一言最近进展：与飞桨框架协同优化，训练和推理速度大幅提升！
专精特新“小巨人”启科量子加入飞桨技术伙伴计划，共建“AI+量子”科技创新发展格局
象帝先加入硬件生态共创计划，共同打造智算生态
飞桨体验评测交流会助力开源，期待与你携手共建框架产品！