CNCC | 从“计算”迈向“智算”新范式，科学智算平台技术前沿探讨

李建欣

北京航空航天大学教授/博导、计算机学院党委书记

CCF大数据专委会执行委员、CCF高级会员，国家杰青。发表论文100余篇，获AAAI 2021最佳论文奖，DependSys 2017最佳论文奖等，授权专利30余项。曾获国家技术发明二等奖1项，国家科技进步二等奖2项，省部级科技一等奖4项，入选教育部青年长江学者和新世纪优秀人才，北京市科技新星，微软学者和微软亚洲研究院铸星计划，中国电子学会“优秀科技工作者（十佳）”，全国科技系统抗疫先进个人和集体，“IEEE杰出贡献奖”等称号。研究方向：大数据分析与处理、机器学习和可信计算等。

杨易

浙江大学求是讲席教授（二级教授）、计算机学院副院长

微软-教育部视觉感知重点实验室主任、人工智能省部共建协同创新中心副主任。曾获教育部全国优秀博士论文，浙江省自然科学一等奖，澳大利亚科研终身成就奖，澳大利亚研究理事会青年职业奖，澳大利亚计算机学会颠覆创新金奖，谷歌学者研究奖和亚马逊机器学习研究奖等二十余次人工智能领域国际奖项。谷歌学术引用56000余次，H指数113，入选科睿唯安全球高被引学者。国际科研竞赛中累计获得40余次奖项，含20次世界冠军。

吴文峻

北京航空航天大学教授

主持国家自然基金重点、国家重点研发计划等20多项课题，学术论文150多篇，出版中英文专著两部，担任国家人工智能标准总体组副组长。主要研究方向包括：群体智能、大规模在线教育、AI for Science。

面向科学发现的智能计算

随着新一代人工智能技术的蓬勃发展，科学计算范式正在发生深刻变革，推动基础科学的重大发现和突破。本报告以生物医药、流体力学等主要背景，以Active Matter领域的研究为实例，介绍内嵌数理机理的智能科学计算，如何加速科学研究，助力科研人员更为高效和精准地开展研究任务、探索科学前沿、实现重大突破。

卢宇彤

中山大学教授/博导，国家超算广州中心主任

CCF杰出会员，国际超算ISC Fellow，国家科技部重点研发计划高性能计算专项总体组专家，科技部“创新人才推进计划”重点领域创新团队带头人，享受国务院特殊津贴，全国三八红旗手标兵。获得国家/省部级科技进步特等奖、一等奖多项，发表论文200余篇，授权专利30余项。主要科研方向为并行与分布式计算、高性能计算与大数据人工智能融合技术与应用。

超算和人工智能融合的科学计算框架

超级计算算一直是推动科学研究、技术突破、产业发展的创新引擎，随着人工智能技术的快速发展，科学计算领域也在探索传统数值模拟与新型人工智能相结合的方法，以应对规模不断增大的科学计算所面临的各类挑战。本报告分析了超算系统如何融合人工智能技术实现更高性能、更高精度科学计算的挑战和机遇，介绍了国家超算广州中心基于超算的数据驱动的智能科学计算框架，并给出了相关领域的应用案例，展望未来科学计算发展趋势。

于璠

华为软件领域科学家、昇思MindSpore技术总经理、AI4Sci LAB主任

中国科学技术大学计算机博士毕业，华为工作14年，获得中国软件协会卓越工程师/OSCAR开源人物，获聘哈尔滨工业大学客座教授/西电客座教授，主持科技部2030人工智能重大专项，主导华为AI系统核心算法/云计算资源调度/SDN大规模路由等架构和算法的设计和落地，发表专利和论文40余篇。

AI科学计算业界趋势及MindSpore实践

AI正在加速自然科学领域的发展，在各个领域提升了科学家对物理现象的认知。本次报告回顾AI4Sci最新学界和工业界进展，介绍华为AI4Sci Lab基于昇腾AI基础软硬件和昇思MindSpore AI框架在AI赋能生物、流体、气象、电磁、化学材料等方向的最新研究。

胡晓光

百度杰出架构师

主要研究方向包括自然语言处理、深度学习框架等，现负责飞桨训练框架和科学计算核心技术研发工作。设计了飞桨框架2.0 API体系，打造动静统一特性，研发了高阶自动微分、深度学习编译器等技术，发布科学计算工具包赛桨PaddleScience，实现微分方程的高效求解。研究成果曾获2015年国家科技进步二等奖、2019年中国电子学会科技进步一等奖、2021年北京市科技进步一等奖。

飞桨深度学习框架与科学计算探索

近年来人工智能与科学计算的融合，给前沿领域的拓展带来了新的机遇，AI4S的发展离不开深度学习框架等基础软件。飞桨作为我国首个自主研发、开源开放的深度学习平台，一直致力于让深度学习技术创新与应用更简单。本报告介绍飞桨深度学习平台的技术演进，飞桨框架开发、训练、推理部署的核心技术特色，飞桨在支撑生物、流体、气象等科学计算领域的技术创新与应用方面的工作。

严骏驰

上海交通大学计算机系教授

CCF杰出会员，2016年度CCF优秀博士学位论文奖，科技部2030新一代人工智能重大项目、基金委重点项目负责人、基金委优青、教育部资源建设深度学习首席专家。曾任IBM研究院首席研究员。研究方向为机器学习，以及与运筹优化、量子计算等领域的交叉。发表CCF-A类第一/通讯作者论文过百篇，谷歌学术引用超万次。任ICML、NeurIPS、CVPR、AAAI等顶级会议（高级）领域主席、Pattern Recognition、ACM TOPML等期刊（创刊）编委。

人工智能驱动的数理化交叉计算

人工智能不仅在基础大模型方面取得了类似chatGPT的近期突破，其在与包括数学、物理、化学等其他学科的交叉也正日益深入。本报告将简要介绍课题组在将人工智能、特别是机器学习技术（深度学习、强化学习等）用于运筹优化、量子计算以及计算化学等领域的一些尝试。此外，讲者也将从人工智能发展趋势的角度讨论从感知到决策的技术路径变迁。