北冥多样性计算融合架构系列解读之 一文读懂华为昇思科学计算

AI 方法提供了科学计算新的范式，它可以利用科学计算领域已积累的数据，学习各种复杂条件下的映射关系，而不需要从零开始计算，避免了传统科学算方法的维度灾难问题。为了支持 AI 方法解科学计算问题，当前 AI 框架需要从一阶自动微分需要扩展到高阶自动微分，并解决由此带来的计算和内存的爆炸问题；其次，需要同时支持 AI 大尺度计算和科学计算小尺度计算，通过两者的融合优化实现端到端加速。

       在华为全联接 2021 大会上，华为推出的北冥多样性计算融合架构中就包含了昇思科学计算，昇思（MindSpore）AI+科学计算统一引擎为高性能科学应用提供计算新范式。MindSpore 通过多尺度混合计算和高阶混合微分两大关键创新，将 MindSpore 原有的 AI 计算引擎升级为 AI 与科学计算的统一引擎，实现融合的统一加速。第一个是多尺度混合计算，它支持传统 AI 应用的低维数据、融合大算子和科学计算应用的高维数据、基础小算子进行统一融合优化，从而可以端到端加速 AI 和科学计算融合的算法；第二个是高阶混合自动微分，MindSpore 突破了高阶复用低阶导数的算法和工程难题，使得高阶微分的计算相比于传统方法内存减少了两倍，计算性能提升了 5 倍；

在此基础上，MindSpore 联合学术界和产业界共同打造 MindScience 系列科学计算套件。这些套件包含业界领先的数据集、基础模型、预置高精度模型和前后处理工具，加速科学行业应用开发。

当前，MindSpore 推出面向电子信息行业的 MindElec 电磁仿真套件和面向生命科学行业的 MindSPONGE 分子模拟套件：

MindElec 电磁仿真套件主要由多模数据转换、高维数据编码、基础模型库以及多频信号网络优化等组成，同时支持时域和频域的电磁仿真。

MindElec 首先通过多模数据转换技术将复杂的 CAD 结构转换成 AI 亲和的张量数据，高维的张量数据通过编码方式进行压缩，大幅减少存储和计算量，压缩后的张量数据进入创新的 AI 电磁仿真基础模型进行训练，训练过程结合多频信号网络优化技术提升模型精度。MindElec0.1 版本在手机电磁仿真领域已取得技术突破，仿真精度媲美传统科学计算软件，同时性能提升 10 倍。

MindSPONGE 分子仿真套件是由高毅勤课题组（北京大学、深圳湾实验室）、华为 MindSpore 及 EI Health 联合开发的分子模拟库，具有高性能、模块化等特性。

MindSPONGE 本次独立成仓，演进为 0.1 版本，新增支持分子动力学中常见的系综模拟包含 NVT、NPT 等，例如进行新冠病毒 Delta 毒株模拟，模拟结果有效反应病毒毒性增强，符合实际情况。MindSPONGE 是第一个根植于 AI 框架的分子模拟工具，当前已内置 Molecular CT，SchNet 等 AI 神经网络，可用来进行势能函数的拟合，例如 AI 力场模拟克莱森重排反应，高效进行融合 AI 的分子动力学模拟，可看到体系在七元环和三元环之间进行转化。

针对药物设计周期长，人工实验成本高等问题，MindSpore 团队与华为云 EI Health（https://www.huaweicloud.com/product/eihealth.html）团队利用 17 亿化合物完成了盘古药物分子大模型的研发，大幅提高药物研发效率，其中，利用预训练模型进行下游任务 finetune，将先导药研发周期从年级降为月级。（后续会以云服务形式提供）

未来，MindSpore 将进一步打通科学计算和 AI 之间的数据鸿沟和计算鸿沟，同时面向更多的涉及国计民生的科学计算领域（如材料、航天、地球等）持续构建科学计算套件，加速 AI 和科学计算的融合创新。