天城智设-陈树铭
2022年6月
1.再谈科学计算
科学计算即数值计算,是指应用计算机处理科学研究和工程技术的数学计算,其过程包括数学模型建立、求解计算方法构建和计算机实现三阶段。
仿真技术体系,实质是系统性科学计算问题,是科学体系二大基础之一——实证逻辑中,与物理模型(试验验证)对等重要的体系。
1.1.数学模型建立基本方法与痛点
数学模型,包括微积分本构方程、参数函数方程、边界数据(样本数据)无方程三类典型;实践中三类问题量比为:
微积分本构方程<<参数函数方程<<边界数据(样本数据)无方程
世界大多数科学计算问题无法用微积分本构方程描述,简单问题基本使用参数函数方程,绝大多数复杂问题只能转换为边界数据(样本数据)无方程。
数学模型建立的二大痛点:
①世界问题如何尽量微积分本构方程化。
②世界复杂问题如何构建边界数据(样本数据)无方程的计算机功能系统描述体系。
典型微积分本构方程世界问题:力学问题
典型参数函数方程:运动问题
典型边界数据(样本数据)无方程问题:特征空间识别建模问题、地质空间(属性空间)重构建模问题、点云空间逆向建模问题、语义理解建模问题。
世界超级理论科学家的伟大之处,就是针对特定问题域,研究出对应问题的微积分本构方程描述,比如杨振宁先生的非阿贝尔规范场理论就是这样的成果。
1.2.求解计算方法构建方法与痛点
求解计算方法存在三大难点:
第一类问题:超级矩阵并行求解问题。
第二类问题:连续边界是否无需离散化、求解结果是否过边界点与整体趋势性不可调和问题。
第三类问题:边界数据(样本数据)无方程如何基于算法构建计算机系统实现框架问题。
目前,第一类问题通过超级计算机技术发展,基本实现工程化解决。
针对第二类问题,主流科学一直没有实质性的工程化应用解决办法,这也是导致复杂科学计算中收敛的关键影响因素之一。
针对第三类问题,主流科学在四类典型问题的部分领域取得巨大进展:比如典型特征空间识别建模问题——面向二类或多类特征形式化空间,在彼此之间存在显著双向映射关系时,基于深度学习的(样本数据)无方程计算机系统实现框架,取得工程化应用实质进展。
即使是深度学习技术,但针对类似“一万张赵本山漫画”如何深度学习、无样本大数据迁移基础上的小样本数据如何深度学习、混合语音如何深度学习等,仍然是无能为力。
在第三类问题中的地质空间(属性空间)重构建模问题、点云空间逆向建模问题、语义理解建模问题三类典型领域,当前主流科学几乎仍然是无能为力。
边界数据(样本数据)无方程体系所构建计算机系统的实质就是:打破主流科学中数学模型建立、求解计算方法构建和计算机实现三个阶段相对独立实现的固有范式,通过三者直接融为一体来解决问题:
①通过复杂计算机功能系统的实现,来描述数学模型、形成计算求解框架。
②建立一系列体系化数学模型,分布式协同融合固化于计算机功能系统结构底层。
③计算求解框架(比如深度学习神经网络),即计算机功能系统结构。
1.3.计算机实现方法与痛点
科学计算的计算机实现基本包含三个问题:针对问题计算机可实现、计算机实现结果可收敛、计算机实现结果应用可泛化。
针对问题计算机可实现的痛点是:高阶问题的NP求解问题。
计算机实现结果可收敛的计算机实现痛点是:计算机浮点问题与计算拓扑一致问题。
计算机实现结果应用可泛化的计算机实现痛点是:如何实现计算机系统集成开发向增量开发的转变。
2.深度学习与科学计算
2.1.深度学习是科学计算吗
深度学习技术体系的实质——针对特征识别科学计算领域中,无法构建微积分本构方程、参数函数方程,而只能按照边界数据(样本数据)无方程模式,通过构建一个特定的计算机功能结构——神经网络,来实现求解的体系。
深度学习所解决问题域的基本逻辑是:
①给定的问题域,存在二类或多类特征形式化空间;
②每类特征形式化空间存在大量的可特征化样本数据;
③每类特征形式化空间样本数据,通过特定软件系统,可以实现对应特征的统一度量;
④不同类特征形式化空间样本数据之间,在特定软件系统各自统一度量的特征中,存在基于统计意义上的可结构化映射关系。
典型深度学习解决问题域的结构化描述:
不同语言之间翻译对应的可结构化映射关系逻辑是:针对两两语言之间,进行文字表达的形式化映射替代,并确保某类人群能够一致化的理解这些被映射转换的文字表达;
语音识别系统对应的可结构化映射关系逻辑是:针对特定语言文字及其对应的发声之间,可实现双向映射,并确保某类人群能够一致化的理解这些被映射转换之后的文字或发声的表达;
图像识别系统对应的可结构化映射关系逻辑是:针对给定图像特征样本数据与概念标识之间,可实现双向映射,并确保某类人群能够一致化的理解基于给定输入图像特征样本数据,被映射转换之后的概念标识的表达。
计算机系统在进行语言翻译表达映射、语音与文字映射,以及图像特征与标识映射过程中,并没有实现理解任何所表达语义真实内容与内涵等的功能,仅仅是一个支撑人理解语义表达的载体。
2.2.世界整体科学计算层次模型
世界整体科学计算,包含七阶层次模型:
世界第一阶模型——只可意会,不可言传
世界第二阶模型——可言传形式(数字的应用与出现)
世界第三阶模型——概念文本形式
世界第四阶模型——公式文本形式
世界第五阶模型——特征图像模型
世界第六阶模型——二维矢量图纸模型
世界第七阶模型——三维矢量拓扑模型
世界整体科学计算层次模型从低价到高阶,就是从定性计算到定量计算,从计算不确定性到计算确定性、精准性的发展过程。
人类社会知识体系经历三个发展阶段:
文艺复兴之前的人理解经验知识时代
文艺复兴至今所发展的人理解科学知识时代
即将开启的计算机理解科学知识时代
人理解科学知识时代的标志就是:世界第四阶模型——公式文本形式的出现与用于知识描述。
2.3.深度学习用于微观、宏观领域科学计算的思考
目前,深度学习在生物蛋白质微观结构建模、天体宏观运动轨迹与空间分布建模等复杂科学领域取得实质性应用。
当前人类在微观、宏观领域的基本研究范式是:
①通过先进的遥感技术,先形成海量的特征图像模型。
②在此基础上,研究海量样本图像在时空上的分布规律、运动规律。
归结起来说就是:人类在微观、宏观领域的研究问题,实质属于世界第五阶模型——特征图像模型的科学计算问题,只能按照边界数据(样本数据)无方程问题,来进行实质性计算实现。
而深度学习针对海量样本特征学习领域的科学计算能力,是显而易见的;因此深度学习,应用于生物蛋白质微观结构建模、天体宏观运动轨迹与空间分布建模等的科学计算,也是发展的必然。
可以得出结论:针对世界第四阶模型——公式文本形式、世界第五阶模型——特征图像模型二大问题领域,即边界数据(样本数据)无方程问题对应的特征空间识别建模问题,采用深度学习进行科学计算,理论上是是可行的;当然这也是深度学习后续发展的天花板所在。
3.天衍智在科学计算领域的原创成果
3.1.自主原创了五大后现代算法与宇宙智能方法论
天衍智核心技术团队历经二十三年,在“3D+大数据+智能”使能技术领域,取得系列原创成果,其中最典型理论成果是五大后现代算法与宇宙智能方法论。
五大后现代算法理论,包括泛权理论、泛模理论、泛换理论、泛序理论与泛衍理论;五大理论为典型边界数据(样本数据)无方程问题中的四大典型问题:特征空间识别建模问题、地质空间(属性空间)重构建模问题、点云空间逆向建模问题、语义理解建模问题的系统解决,提供与主流科学(深度学习)完全不一样的技术解决方案。
宇宙智能方法论,为I3D双螺旋进化智能体软件技术的实现,提供了坚实系统的方法论直引与支撑:
从主流软件技术的人人交互+人机交互,到I3D双螺旋进化智能体软件技术中独创的机机交互+机人交互
从主流软件技术的集成系统开发范式,到I3D双螺旋进化智能体软件技术中独创的增量开发范式
从主流软件技术的土围子孤岛系统范式,到I3D双螺旋进化智能体软件技术中独创的90•••9•1范式
从主流软件技术的管理建模,到I3D双螺旋进化智能体软件技术中独创的四个无所不在——分类无所不在、标识无所不在、节点无所不在、流程无所不在的应用
3.2.自主原创了I3D双螺旋进化智能体软件技术
I3D双螺旋进化智能体,是分别基于数据与系统,构建二套独立且动态耦合、以及机机交互+机人交互为主体的综合生态智能体运行框架;二者之间各自独立进化又互相促进、不断分裂与重组;实现进化生长;数据与系统二大技术体系,分别为“I3D双螺旋大数据智能体”和“I3D双螺旋平行端智能体”。
“I3D双螺旋平行端智能体”,是由天衍智自主研发的一系列面向技术流程节点各个岗位角色,实现机人交互或机机交互的软件系统,具有强大的驱动工具软件(中间件),以及互驱动直接调用功能,涵盖九大自动知识智能工作(AutoKnoWS)产品体系:
①【KNOEXE】——增量知识专业。
②【KNOPRO】——增量知识项目。
③【KNOEND】——增量知识工业。
④【KNOTOO】——增量知识工具。
⑤【KNOSOU】——增量知识资源。
⑥【KNOCON】——增量知识网络。
⑦【KNOROL】——增量知识对象。
⑧【KNOMAN】——增量人员管理。
⑨【KNOI3D】——增量轻量应用。
“I3D双螺旋大数据智能体”,以二种叉树逻辑形式而存在:①“常规分布式叉树模型体系”,②“内存平行端叉树模型体系”。
常规分布式叉树模型体系:以目录+文件形式独立分布式存在于客户端与云端的计算机及存储设备中;这些目录+文件,通过目录之间、目录与文件之间、文件与文件之间、文件与文件内容之间、目录与文件内容之间、文件内容与文件内容之间,形成六大体系的K-M•N叉树耦合模型框架。
内存平行端叉树模型体系:以数据结构+指针等变量组织形式、独立分布式存在于计算机软件系统中的内存模型;这些内存模型,是由“I3D双螺旋平行端智能体”中各种系统平台,针对“常规分布式叉树模型体系”,无需预定义数据变量结构,所自组织智能化所形成的内存模型。
3.3.自主原创的复杂建模技术
地质智能建模技术简介:
地质建模本质是对地球自诞生以来相关化学、物理综合时空作用的一种数字化度量,为人类合理使用地球角度再现地球体时空结构。地质智能建模技术是一个典型的边界数据(样本数据)无方程体系科学技术问题。
如同航天发动机是工业技术皇冠一样,三维地质建模是三维建模技术之皇冠,因她集三维建模技术中四大瓶颈技术于一体:
地质三维分布属性不确定,且永远无法完全确定;
不同地质层呈任意不规则的三维空间分布形态,且永远无法完全确定;
地质数据模型的各个应用环节同时涉及到宏观分析(地震预测)与微观分析(岩土计算)耦合与拓扑一致空间分析;
工程地质数据模型的全生命周期涉及到海量非结构化三维矢量模型数据模型的存储与管理。
主流科学计算针对地质建模问题,没有形成实质性的技术解决手段;天衍智的泛权算法+泛模算法为此提供了系统的智能化解决能力。
其他智能建模技术简介:
①三维矢量拓扑一致切割建模。
②三维点云逆向建模。
③三维复杂造型曲面建模。
④三维矢量金字塔建模。
⑤三维复杂属性场重构建模。
⑥小数据及模糊特征识别建模。
⑦无网格数值计算。
⑧语义智能建模等。
以上这些建模技术将行业应用中所需的复杂科学计算,以及相关科学计算中前后处理智能化等,提供强大的原创技术支撑。
3.4.自主原创的典型科学计算系统
1、三维地质智能建模系统。
2、SPH三维流体粒子系统。
3、山洪三维仿真系统。
4、三维BIM智能正向设计平台。
4.科学计算、工业软件与工业软件智能化
4.1.科学计算与工业软件
几十年来,人类科学计算实现计算机化的结晶,就是固化沉淀在支撑科学研究与技术研发的工业软件体系。
主流普遍应用工业软件,经历几十年的沉淀与发展,在各行业技术体系中,已经发挥着重要作用。
当前主流工业软件,主要集中于微积分本构方程、参数函数方程二类问题的分析、计算与仿真。
当前工业软件特点及趋势:
①工业软件只能是基于人机交互的支撑性工具化应用,无法替代人类形成主体技术应用。
②面向整体全产业链与全生命周期体系,工业软件只能形成碎片化的应用体系,无法支撑起产业互联网基于一致大数据模型驱动的设计、施工、制造等应用体系的需求。
③工业软件虽然可以应用于行业全产业链与全生命周期,但是因应用技术门槛高、应用周期长、应用成本高,实质已经限于一种非常态的贵族化应用,平民常态化应用步履艰难。
④深度学习系统,针对相应行业应用来说,实质正在走向智能类工业软件云服务发展道路。
4.2.I3D双螺旋进化智能体技术与工业软件智能化
I3D双螺旋进化智能体技术,实质自主原创了一套基于“机机交互+机人交互”、实现计算机理解科学知识的增量化知识互联网使能技术范式,将是继互联网、物联网之后,所发展的新一代技术范式——知识互联网。
I3D双螺旋进化智能体技术的实现,将推动一系列行业知识柔性生产线技术的研发与产业化应用,它将在三个方面对工业软件形成超维打击:
①针对既有成熟工业软件,双螺旋进化智能体技术,自主研发了驱动工具软件技术,可以实现“I3D双螺旋平行端智能体”,机机交互操作工业软件,来替代人机交互操作软件的技术范式;机人交互工业软件操作所需主要实现内容,将被机机交互所替代,只存在少量工作集中于“90•9•1范式”中1%内容。
②面向各个行业全产业链与全生命周期的各个节点,双螺旋进化智能体技术,完全实现自动增量柔性定制对应个性化工业软件;而且各个性化工业软件之间基于流程体系,又可以通过互驱动技术,来形成机机交互的自动化智能化整体系列化操作。
③在各个应用节点对应的个性化工业软件(I3D双螺旋平行端智能体),实现与组织、岗位、职位、角色与个体,在各个流程体系上的有机关联,研发与生产、管理、服务、营销等完全融为整体。
I3D双螺旋进化智能体技术,不是去开发与主流工具软件相竞争的产品,而是升级到一个更高维度,搭建基于知识互联网、以机机交互+机人交互为核心框架、实现柔性定制工业软件任意工作节点应用的技术体系,实质性降低相关传统产业对主流工具软件功能的依赖性。
这就是脱离西方主流技术范式,去再造创新技术竞争逻辑;在新范式下,主流工具软件地位次要了,有关知识产权自主可控与国际技术产品保护与合作之间的矛盾,也就自然消融了。
4.3.智能建模及设计生产线一体化智能化工业软件技术
智能建模及设计生产线一体化智能化工业软件技术:是由“标准+专利+知识工艺+软件+设备”等一系列技术要素所集成的综合集成一体化体系。
其中,“标准+专利+知识工艺”主要以天衍智自主技术为主;“软件”中包括二部分,核心软件由天衍智自主研发,其它软件包括主流操作系统软件+主流工具软件(都是相关企业的正常配置);“设备”为当前常规配置的计算机、移动设备和网络设备等。
建造行业的子类,均存在相应的“智能建模及设计生产线”;基于该生产线,培训相应的“岗位技术劳动力”;匹配的“智能建模及设计生产线”+“岗位技术劳动力”,就可形成实质生产能力。
每个建造行业子类的“智能建模及设计生产线”,对应的每个“岗位技术劳动力”,就会匹配相应的“BIM建模正设末端生产系统”(BIMEND),来支撑“岗位技术劳动力”进行相关机人交互工作。
基于任一的“智能建模及设计生产线”+“岗位技术劳动力”体系,所完成生产项目的效率,将至少50倍优于主流建造设计;生产周期一般都能控制在一周之内;“设备”及配套相关软件属于常规配置,而且硬件数量与软件LICENSE个数都会显著减少。
基于“智能化工业化知识流水线设计技术”,结合现有设备及辅助工具软件基础,面向智能建造及工业智能化协同发展需求,目前我司正在打造二类流水线:
①“建造工程BIM 建模类流水线”。
②“建造工程BIM 正设类流水线”。
目前我司“建造工程BIM建模类流水线”正在紧张部署和测试中,有望在两月内完成整体调试。
5.科学计算之产业化发展道路
5.1.科学计算产业化发展趋势
1、实现更广义的科学计算(微积分本构方程、参数函数方程、边界数据(样本数据)无方程三类问题),融入到行业体系中。
2、实现更广义的科学计算融入到工业软件体系,打造智能化工业软件技术体系。
3、基于智能化工业软件技术体系,驱动打造知识互联网与产业化互联网,实现传统产业体系的彻底数字化转型升级。
5.2.打造面向工程全生命周期数值计算服务类产业化公司
我司已规划于2023年启动,基于天衍智地质、地表、水体、BIM等智能建模技术,在数值计算中前后处理及应用于(单元智能剖分+计算结果智能融入BIM正向设计、智能施工与智能运维)方面的技术能力,全面整合国内外优秀的工程数值计算软件,构建集微机、工作站、超级计算机等设备于一体的工程数值计算中心,在建造工程全生命周期相关专业分析计算中,全面应用于工程的设计、监测、施工等的应用,尤其是加强在水电、风电、核电、地下工程、矿山、复杂建筑等工程全过程数值计算应用,实现三维复杂数值计算技术从贵族化,走向普遍应用平民化。力争5年内打造为科创板公司。
工程数值计算将成为设计工作中最基本的环节,将贯穿于整个工程生命周期的始终,形成一系列行业深度价值化应用:
三维地质、海洋、气象实体建模与三维数值计算自动、智能化融合;
仿真、模拟与三维数值计算无缝融合;
三维结构设计与三维数值计算无缝结合;
施工中各工况实时进行三维数值计算、分析与仿真;
三维数值计算结果的可视化分析及傻瓜式工程应用;
三维数值计算中的个性化与背景特征的有机融合。