Слияние кода завершено, страница обновится автоматически
MindScience — это набор инструментов для научных вычислений на основе фреймворка MindSpore, который включает ведущие наборы данных, основные модели, предварительно обученные точки входа с высокой точностью моделей и средства пред- и постобработки, что способствует развитию приложений для научных вычислений.
Интеграция искусственного интеллекта с научными вычислениями, известная как AI + научные вычисления, заключается в использовании технологий искусственного интеллекта, таких как машинное обучение и глубинное обучение, для практического расчета и анализа научных проблем. Эта комбинация позволяет научным вычислениям выходить за рамки традиционных математических моделей и алгоритмов, используя мощные вычислительные возможности AI для исследования новых областей, повышения эффективности и точности вычислений. Величина вычислительной мощности AI + научных вычислений во многом зависит от поддержки больших данных и оптимизации алгоритмов. Благодаря непрерывному обучению и совершенствованию, AI становится более подготовленным для решения сложных задач научных вычислений.
В AI-фреймворках дифференцируемость играет ключевую роль; только когда все компоненты модели (например, слои, активационные функции и т.д.) являются дифференцируемыми, можно рассчитывать градиенты. Это не только основание для реализации алгоритмов обратного распространения, но также расширяет область применения глубинного обучения, обеспечивает продвинутые функциональности, улучшает производительность модели и способствует развитию аппаратуры AI.
Туринг-полнота, в контексте теории вычислимости, означает, что набор правил для манипулирования данными (например, наборы команд, языки программирования, клеточные автоматы и т.д.), следуя которым в определенной последовательности, может вычислить любой результат. Она имеет следующие характеристики:
MindEarth — это набор инструментов в области наук о Земле, поддерживающий задачи такого типа, как прогнозирование погоды на много временных и пространственных масштабах и предварительная обработка данных, направленное на эффективное использование AI+погодных/морских исследований.
MindEarth предлагает несколько моделей прогнозирования погоды среднего срока, которые улучшают свои прогнозирующие показатели более чем в 1000 раз по сравнению с традиционными моделями; он также предлагает модели прогнозирования осадков и модели сверхвысокого разрешения цифровых моделей рельефа. MindEarth также предлагает набор данных повторного анализа ERA5, набор данных эхо радара и набор данных цифровых моделей рельефа высокого разрешения, поддерживающих обучение и оценку моделей прогнозирования.
На основе этих функций и наборов данных, MindEarth успешно вывел ряд значимых достижений. Он объединяет ведущие модели прогнозирования погоды на много временных и пространственных масштабах, значительно улучшая скорость предсказания.
MindFlow — это набор решателей вычислительной гидродинамики, поддерживающий AI-симуляцию жидкостей, управляемую физикой, данными и слияние данных и механизмов; он взаимодействует с внутренним решателем CFD PHengLei, достигая соединения AI и традиционных решателей жидкостей; он имеет встроенный дифференцируемый решатель CFD, реализующий конечное-конечное дифференцирование симуляций потока.
MindFlow предлагает общие наборы данных, такие как полевые данные крыла самолета и турбулентность, и поддерживает обучение и оценку AI-симуляций жидкостей.
На основе этих функций и наборов данных, MindFlow успешно вывел ряд значимых достижений, включая сотрудничество с Китайской корпорацией гражданской авиации, выпуская AI-симуляционные модели "DongFang·Yufeng" и "DongFang·Yifeng", снижающие время аэродинамической симуляции крыла с часов до секунд, и помогающие запуску местных самолетов; сотрудничество с Северо-Западным Политехническим университетом, выпуская AI-модель "QinLing·AoXiang", достигающую высокопроизводительного связанного симулирования AI-турбулентной модели.
MindElec поддерживает режим CSG геометрического построения, такой как пересечение, объединение и разность структур прямоугольников и кругов, и эффективное преобразование тензоров данных CST и STP.
На основе этих функций и наборов данных, MindElec успешно вывел ряд значимых достижений. Он сотрудничал с лабораторией Huawei Noah's Ark для реализации конечного-конечного дифференциального FDTD, и проверил его в сценариях, таких как антенна патча, фильтр патча и двухмерное электромагнитное обратное рассеивание. Также он сотрудничает с Южно-Китайским университетом для выпуска AI-модели "Jinling·Электромагнитный мозг", которая повысила эффективность симуляции антенного массива более чем в 10 раз, и эффективность увеличивалась ещё больше по мере увеличения размера массива.
MindChemistry — это набор инструментов для вычислительной химии, поддерживающий многомерные, многокафельные задачи AI+химической симуляции, и направленное на эффективное интегрирование AI и химических исследований.
MindChemistry имеет встроенную библиотеку изометрических вычислений, которая значительно повышает эффективность представления данных и обучения моделей для моделей научных сценариев. MindChemistry также предлагает наборы данных, часто используемые в отрасли, такие как rMD17, поддерживает обучение и оценку моделей генерации и прогнозирования молекул, и предоставляет интерфейсы и возможности, такие как изометрические вычисления, оптимизаторы высоких порядков и т.д.
На основе этих функций и наборов данных, MindChemistry успешно вывел ряд значимых достижений. Он связывает с передовыми моделями генерации и прогнозирования молекул, и реализует эффективное проектирование материалов и прогнозирование свойств молекул AI в области химии.
MindSPONGE — это набор инструментов для вычислительной биологии, поддерживающий высокопроизводительные, модульные, конечное-конечное дифференциальные, AI-нативную архитектуру для молекулярной симуляции, генерации MSA, обучения и вывода модели складывания белков, оценки структуры белка, анализа данных NMR и других базовых функций.
MindSPONGE предлагает набор данных предсказания структуры белка миллионного уровня с высокой покрытостью и разнообразием — PSP, который поддерживает обучение и вывод модели структуры белка.
На основе этих функций и наборов данных, MindSPONGE успешно вывел ряд значимых достижений. Эти достижения включают сотрудничество с группой профессора Гао Ицзина для выпуска программы симуляции молекул, поддерживающей дифференциальное программирование и высокопроизводительную симуляцию; выпуск конечного-конечного инструмента предсказания структуры белка MEGA-Protein, который поддерживает высокопроизводительное и высокоточное предсказание структуры белка; и автоматический анализ данных спектроскопии NMR через FAAST, который снижает время анализа данных NMR с месяцев до часов.
SciAI — это библиотека моделей с более чем 60 встроенными наиболее часто используемыми и цитируемыми моделями AI4Science, охватывающими от физически информированного (PINNs, DeepRitz, PFNN и т.д.) до нейронных операторов (FNO, DeepONet), занимающая первое место в мире по охвату, предоставляющая разработчикам и пользователям высокоуровневые API, позволяющие немедленную установку.
|
|
|
|
|
|
|
|
|
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Опубликовать ( 0 )