CNCC｜第二届“人工智能在大规模科学计算领域的应用探索”论坛

王美琴

山东大学网络空间安全学院 常务副院长，密码技术与信息安全教育部重点实验室 副主任

教育部长江学者，山东省泰山学者。担任中国密码学会理事、中国密码学会密码数学理论专委会委员、工业和信息化部商用密码应用推进专委会委员和教育部网络空间安全专业教学指导委员会委员。研究方向为对称密码算法的分析与设计。主持国家“变革性技术关键科学问题”重点专项计划课题、国家自然科学基金重点项目等重点项目10余项，在EUROCRYPT、ASIACRYPT、FSE等国际密码顶会和密码权威期刊发表论文90余篇，获国家科技进步一等奖和国家密码科技进步一等奖等奖项。

报告题目：密码算法分析与设计的智能化

自动化搜索方法在解放密码分析人员劳动力和提升密码算法设计水平方面功不可没，但随着研究的深入，其在诸多搜索任务中的效率问题和准确性问题逐渐成为现阶段制约自动化密码分析方法进一步应用的核心瓶颈。已有的自动化搜索方法基于数学问题求解工具构建，必然受到现成求解器计算能力约束。与此同时，人工智能在各行各业对传统计算方式的冲击使得我们开始思考，能否将人工智能中的算法与经典求解工具相结合，突破制约自动化搜索方法进一步应用的壁垒，从而构建功能更强的自动化密码分析工具。报告主要围绕基于布尔可满足性问题（Boolean Satisfiability Problem, SAT）的自动化搜索方法展开，首先介绍如何优化现有自动化搜索框架以提升搜索效率和精确度，其次介绍基于深度学习的密码分析进展。

黄小猛

清华大学 地球系统科学系教授，地球系统数值模拟教育部重点实验室 主任

中国海洋学会人工智能海洋学专业委员会常务委员。长期从事地球系统数值模拟、高性能计算、大数据和人工智能方面的研究工作，是2021年国家自然科学杰出青年科学基金获得者，多项成果被地球系统数值模拟科学大装置和美国大气科学研究中心CESM模式采用。目前正在主持2020年全球变化重点专项“发展通用的地球系统模式高效并行计算框架”项目研究，在国内外学术期刊上发表论文100余篇。担任模式发展领域著名刊物GMD专题编辑，以及世界天气研究计划中国委员会“大数据和人工智能”工作组组长。

报告题目：深度学习在地球系统科学中的应用与挑战

地球系统数值模拟是希望在超级计算机里面实现一个数字孪生地球来模拟真实的地球，而人工智能可能是达成这一目标的关键发展路径。本次报告将从遥感制图、极端天气事件检测、天气预报与气候预测以及数值模式物理参数化过程的智能化改造等几个方面来介绍深度学习在地球系统科学中的一些重要应用，并指出深度学习给地球系统科学研究带来的各种机遇与挑战，特别是对黑盒深度学习模型缺乏可解释性和物理一致性的弱点和解决方法进行探讨。

陈默涵

北京大学工学院 特聘研究员

本科和博士毕业于中国科学技术大学物理系，先后在普林斯顿大学和天普大学从事博士后研究。主要研究兴趣主要为结合物理建模、高性能计算与机器学习，发展原子尺度的微观模拟方法和程序。在Science Advances，Nature Chemistry，PNAS，PRL，Nuclear Fusion，MRE等国际核心学术刊物上发表重要论文。获得2020年国际高性能计算领域的最高奖“戈登贝尔奖”，入选“两院院士评选2020年中国十大科技进展新闻”。获得北京大学博雅青年学者称号。主持国家自然科学基金面上项目和优秀青年基金项目。

报告题目：机器学习给原子尺度模拟带来的机遇和挑战

基于经典分子动力学方法和密度泛函理论的原子尺度模拟方法已在众多科学领域得到了广泛应用，但这些方法也面临精度和效率不可兼得的本质困难，机器学习方法为这两个领域带来了新的机遇和挑战。本次报告将围绕三方面展开。第一，基于深度学习的经典分子动力学方法效率高且具备第一性原理计算方法的精度，近年来在各领域的应用发展迅速，本报告将介绍深度势能分子动力学(Deep Potential Molecular Dynamics)方法在效率提升和具体应用上的一些最新进展。第二，基于深度学习的电子结构计算方法已经得到了越来越多的重视和发展，例如在密度泛函理论框架中，可以采用深度学习方法获得更准确的交换关联泛函，从而进行准确且高效的第一性原理计算，本次报告将介绍一些相关工作进展。第三，随着机器学习方法在电子结构计算中的广泛应用，建立一套适用于机器学习框架的密度泛函理论软件有利于推动新算法的实现和应用，本次报告将介绍国产开源密度泛函理论软件项目ABACUS的一些最新动态。

安健

清华大学航空发动机研究院 助理研究员

国家博新人才计划入选者，毕业于西北工业大学航空宇航科学与工程专业，主要从事超声速湍流燃烧数值模拟、高超声速组合动力燃烧室数值模拟与设计及湍流燃烧数值模拟与人工智能方法相结合的相关研究。已在Combust. Flame 等期刊上发表SCI论文7篇，发展的相关湍流燃烧模型与算法已应用于国家重点工程型号。现主持国家自然基金委青年项目，博士后面上项目及两项国防智能领域重点项目。

报告题目：面向空天动力的超声速湍流燃烧智能仿真

由传说普罗米修斯盗取火种到钻木取火，人类对燃烧的研究从未停止，却仍未完全掌握。数值模拟方法是当前研究燃烧以及评估各种燃烧器性能的重要手段，贯穿基础研究到工程设计的各个环节。随着空天发动机等尖端燃烧器的开发研制，现有的数值模拟方法与理论无论从计算效率还是计算精度上均难以满足科学研究与工业应用的需求，人工智能方法则带来了新的解决途径。本报告将从空天动力中所需要的高保真仿真方法与实时仿真方法两个方面，介绍人工智能方法在其中的一些重要应用与成果，探讨人工智能方法下物理问题建模的新范式与新思路，以及面向物理问题背景下的人工智能新方法与新需求，共同探索学科交叉与融合带来的各种机遇与挑战。

宋振亚

自然资源部第一海洋研究所 物理海洋室主任/研究员，自然资源部海洋环境科学与数值模拟重点实验室 副主任

物理海洋学博士，自然资源部海洋环境科学与数值模拟重点实验室副主任。CCF高性能专业委员会执行委员、Ocean Modelling执行编辑、中国海洋学会海气相互作用专业委员会秘书长、中国海洋学会人工智能海洋学专业委员会常务委员、英特尔人工智能领域咨询专家委员会委员。一直从事海洋与气候数值模拟、高性能计算以及机器学习应用等方面的工作。发展了两代包含海浪的地球系统模式FIO-ESM，探索了海浪在气候系统中的作用及机制；提出了数值模拟与机器学习深度融合的6个途径，尝试了机器学习在海洋与气候快速预报、模式结果订正等方面的应用；开展了海洋数值模式基于国产处理器的高效并行算法和地球系统模式的负载均衡算法等研究。现主持国家自然科学基金优秀青年基金、重点基金等项目，发表学术论文70余篇，引用2000余次。

报告题目：基于机器学习与数值模式融合的海洋与气候预测预报探索研究

可预测的海洋是联合国“海洋十年”的七大预期目标之一，也是海洋科学研究的终极目标。精准的海洋数值模拟是实现可预测的海洋这一目标的核心。经过半个多世纪的发展，海洋数值模拟和预测预报的能力已经有了长足的进步，但仍面临分辨率不够、精细化模拟能力不足等问题。随着海量数据的出现，科学研究已经从实验归纳、模型推演和仿真模拟进入到以数据驱动科学发展为特征的第四范式，同时，高性能计算机和深度学习等技术的快速发展，为精准海洋数值模拟的突破提供了机遇与挑战。本报告将从机器学习与海洋数值模拟融合的角度，以算得快、模拟的准为目标，探讨精准海洋数值模拟可能突破的途径，为精准海洋模拟和预测预报以及海洋科学、高性能计算与人工智能的深入交叉融合提供参考。