独家合作：百度飞桨 AI4S 最新成果亮相香港力学盛会，PINN 方法获得沪港众学者关注

2023-05-05
北京
本文字数：2300 字
阅读完需：约 8 分钟

AI 发展七十余年，每一项技术性突破都给人类未来开辟新一种可能。而 AI 与科学研究的深度融合，则会裂变出更多可能性。AI for Science 对前沿科研所赋予的加速作用，将对人类社会和经济发展有着更为基础，也更为深远的影响。同时，AI for Science 的应用也不仅仅局限于依据已知科学原理来高效验证或试错，它也让更多的科研人员能够基于 AI 在更复杂的场景中做探索，结合数据反推复杂现象中更为准确的物理规律。

4 月 15 日，第 26 届香港力学学会年会暨第 18 届沪港力学论坛在香港理工大学召开。此次会议由香港力学学会、上海市力学学会、香港理工大学和香港科技大学联合主办，百度飞桨独家合作，为一直在力学及相关领域工作的科学家和工程师提供交流平台，并增进相关方面的合作。

百度飞桨作为唯一的企业合作方，为此次大会提供了 AI 行业的企业视角，联合科研生态力量，与主办方一起推动 AI for Science 的发展。

参会人合影

本次会议共收录了 76 篇摘要，其中来自上海市力学学会的 32 篇，香港力学学会的 43 篇，百度飞桨 1 篇。在会议的主论坛上，香港科技大学李贻昆教授、上海交通大学廖世俊教授、百度飞桨陈其朋博士、南方科技大学洪伟教授和上海大学庄启亮教授进行了主题演讲，阐述了对人工智能驱动流体力学发展的观点和科研进展。

会议共吸引了 100 多位来自上海及大湾区高校的老师与学生参会，大家共同讨论力学前沿研究及其在各学科与工程领域的应用。会后大家还参观了香港理工大学和香港科技大学的流体力学实验室，并进行了深入的交流。

主题分享：PaddleScience 最新科研进展

陈其朋博士分享

作为百度飞桨科学计算团队的代表，陈其朋博士做了主题为“ Application of Physics-Informed Neural Network on Partial Differential Equation Solving ”的报告，重点介绍了百度飞桨在采用基于物理信息的神经网络（ Physics-Informed Neural Network, PINN ）方法求解流体力学和结构力学领域偏微分方程的研究工作。与传统方法的不同之处在于，PINN 方法基于高阶自动微分机制，直接在离散的时空坐标点上逼近描述物理问题的偏微分方程，从而避免了“维度爆炸”、数值精度低等问题；同时，其模型可以提供更大的泛化潜力，一经训练即可不限次数进行推理预测，在设计优化方面具有十分重要的意义。

百度飞桨提供自研科学计算工具组件赛桨 PaddleScience 及全量支持 DeepXDE ，实现了对 PINN 方法的全量支持，本次报告分别介绍了采用半监督 PINN 方法和无监督 PINN 方法研究流体力学领域的圆柱绕流问题和结构领域的弹性挠曲问题。在圆柱绕流问题中，基于少量监督数据和完整物理信息（ Navier-Stokes 方程及相关初边值条件），PINN 方法准确模拟出了瞬态流场的周期性变化。同时，研究了粘性扩散项对求解过程中的内存、计算时间、收敛情况、结果精度等方面的影响。在弹性绕曲问题中，PINN 方法完全基于物理信息（ 4 阶挠曲方程及相关边界条件）实现了无监督求解，并对桥梁、船舶、机翼等场景中平板和梁的挠曲问题进行了研究，相关结果获得了验证。

交流探讨，共建科研生态

本次会议不仅是一次学术交流的机会，更是一场汇聚学术精英的盛会，众多高校学者与百度飞桨团队一起，共同探讨了力学学术问题和发展。本次力学大会上，各位学者专家展示了他们在力学领域结合人工智能和深度学习技术所开展的最新研究成果。与会者们共同沟通就力学及人工智能前沿发展进行了深入的交流和讨论，分享彼此的经验和观点。这种交流和互动的方式，让参会者们更加深入地了解各种技术和研究领域的最新发展，也为未来的研究提供了宝贵的参考和启发。

飞桨作为百度自主研发的中国首个开源开放、功能丰富的产业级深度学习平台，持续支持科技发展和创新，提供了丰富的深度学习和人工智能工具和资源。飞桨大力支持了本次力学大会，帮助参会者和广大师生更加深入地探讨和研究各种互动技术和学术发展。飞桨也期待未来与香港应用力学学会、上海应用力学学会等前沿探索先锋们一道，共同夯实 AI for Science 的未来。

飞桨团队在会场

产品基石：飞桨 AI for Science

飞桨（ PaddlePaddle ）将 AI 方法应用于典型的科学与工程领域，促进数学、物理、化学、生物等多个学科的交叉融合。目前针对通用物理科学、生物计算、量子机器学习领域发布了科学计算工具组件赛桨 PaddleScience、螺旋桨 PaddleHelix 、量桨 Paddle Quantum 工具，并全量适配深度学习科学计算工具 DeepXDE ，提供数据驱动、数理融合等多种 AI for Science 方法模型，提供复杂外形障碍物绕流、结构应力应变分析、设备对流散热、材料分子模拟等丰富领域算例，广泛支持 AI+ 计算流体力学、固体力学、生物计算、量子计算等前沿方向的科研和产业应用。

其中科学计算工具组件赛桨 PaddleScience ，是国内首个基于 AI 框架的公开且可应用于计算流体力学（ CFD ）领域的工具，提供端到端的应用 API ，重点围绕高水平科研活动场景，解决重大科研问题。