当前，CV、NLP等AI技术已有了较为广泛的应用，人工智能替代传统方法完成目标检测、图像分割、文本生成等任务，在产业界也形成了规模化的落地。但是放眼到更加前沿的领域，仍有诸多科学和工程问题亟待解决。
人工智能与科学计算的融合，给先锋领域的拓展带来了新的机遇。AI For Science成为科学家们新的生产工具，已经逐渐形成共识，仿真计算已经在科研中有所涉猎，科学计算应用到了气象、航空、工业仿真等领域，但是在大众的认知和具体的工业实践中，科学计算仍有巨大的蓝海有待探索。
基于对人工智能与科学前沿领域的前瞻性融合，博士会第十三期活动与Paddle Science SIG联合，围绕科学计算前沿议题，与大家共同探讨人工智能助力科研探索的更多可能性。
8月30日下午，第十三期飞桨博士会和PaddleScience用户线下见面会在百度大脑创新中心如期举办。由飞桨科学计算团队带来了飞桨框架与科学计算相融合的解读，以及赛桨PaddleScience案例介绍。同时三位行业专家，
为大家带来以
AI赋能热流科学
、
火箭发动机真空羽流仿真
以及
风暴潮预报
为主题的分享。
整场沙龙干货满满，让我们一起来回顾本次活动的精彩环节吧～
百度杰出研发架构师胡晓光带来《飞桨框架核心技术与科学计算》演讲，深入解读了飞桨核心框架技术是如何与科学计算相融合 ，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。
百度杰出研发架构师 胡晓光
百度高级技术产品经理张艳博
做了主题为
《PaddleScience案例介绍》
演讲，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。
百度高级技术产品经理 张艳博
百度高级研发工程师陈凯的演讲主题为《科学机器学习研究及其工业场景应用》，以金属热处理控制参数实时优化为案例，介绍了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。
百度高级研发工程师 陈凯
陈凯介绍了工业智能化的技术逻辑，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。最后，陈凯总结到，研究是一个 “AI for science, then for industry ”的过程，应用更多的是 “From industry to science, then AI for science” 的过程，技术发展的趋势将是从具体问题中逐渐抽象出具备通用性的产品，使科学机器学习赋能各行各业。
北京航空航天大学宇航科学博士张百一分享了《深度学习在火箭发动机真空羽流仿真中的应用》的相关内容。张百一博士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了讨论，同时，结合基于卷积神经网络的直接模拟蒙特卡洛方法研究、基于物理信息神经网络的等离子体参数反演研究这两个具体研究案例，对深度学习在火箭发动机真空羽流仿真中的应用进行集中探讨。
北京航空航天大学宇航科学博士 张百一
张百一介绍道，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，而深度学习可以利用自身强大的建模能力提高真空羽流模拟的效率。深度学习为真空羽流的发展提供了新的研究范式，真空羽流为深度学习提供了足够复杂的研究对象；传统学科与新型学科交叉融合、相得益彰。
中科院大气物理研究所研发工程师姚帏
为大家呈现了
《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》
的相关分享。
中科院大气物理研究所研发工程师 姚帏
在分享中，姚帏提到，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。姚帏分享了自己基于飞桨PaddleScience做的课题——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。
在现场提问环节，参会者们针对五位分享嘉宾讲解的前沿技术问题进行了提问，并得到了嘉宾的积极回应。茶歇环节，大家就人工智能及科学计算相关内容热烈讨论，认识了志趣相投的学术伙伴！
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。
欢迎更多的博士朋友加入飞桨博士会，扩展高端人脉，交流前沿技术，扫描下方二维码了解更多飞桨博士会信息及发起入会申请。
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。
欢迎大家加入PaddleScience特殊兴趣小组，一起来完成框架开发、套件模型算法共建、论文复现等工作。
获取更多技术内容~
特别提示：本信息由相关用户自行提供，真实性未证实，仅供参考。请谨慎采用，风险自负。
{
