中國網/中國成長門戶網訊 人類進進年夜迷信時期后，“模仿”作為“實際”“試驗”以外主要的彌補技巧手腕，成為迷信研討的第3個支柱。從表示情勢看，迷信研討可以被視為樹立模子（modeling）的經過歷程。而模仿（simulation）則是所樹立的迷信模子在盤算機上的運轉經過歷程。最晚期的盤算機模仿（computer simulation）可以追溯到第二次世界年夜戰之后，是專門針對核物理學和睦象學研討的一種首創性的迷信東西。后來，在越來越多的學科中，盤算機模仿變得愈發主要，并不竭衍生出盤算和其他範疇穿插的學科，如：盤算物理、盤算化學和盤算生物學等學科。Weaver在1948年撰文指出：人類處理有序復雜題目并完成迷信新奔騰，將重要依靠于盤算機技巧的成長和分歧學科佈景迷信家的技巧碰撞。一方面，盤算機技巧的成長使人類可以或許處理復雜且難以處置的題目。另一方面，盤算機技巧可以或許有用激起有序復雜性題目的新處理方式。這種新處理方式自己也恰是盤算迷信（computational science）的范疇之一，讓迷信家無機會合中資本，將分歧範疇的看法聚焦在配合題目上。這種看法聚焦的成果，促使分歧學科佈景的迷信家們，構成比單一學科佈景迷信家們更強盛的“混雜團隊”；如許的“混雜團隊”將有才能處理某些復雜性題目，并且得出有效的結論。總之，迷信和建模慎密相干，模仿履行代表實際的模子，人們把迷信研討中的盤算機模仿稱為迷信模仿（scientific simulation）。
今朝，還沒有任何針對“盤算機模仿”的單必定義可以或許適當地描寫迷信模仿的概念。美國國防部將模仿界說為一種方式，即：“一種隨時光完成模子的方式”；進而，將盤算機模仿界說為一種經過歷程，即：“在盤算機上履行代碼、把持和顯示接口硬件，并與實際世界裝備停止接口交互的經過歷程”。Winsberg把盤算機模仿的界說又分為廣義和狹義范圍。
在廣義界說中，盤算機模仿就是“在盤算機上運轉法式的經過歷程”。盤算機模仿應用步進方式來摸索數學模子的近似行動。模仿法式在盤算機上的一次運轉經過歷程，代表了對目的體系的一次模仿。人們愿意用盤算機模仿方式求解題目，重要有以下2個緣由：原始模子自己包括團圓方程；原始模子的演變更合適用“規定”，而不是“方程”來停止描寫。值得留意的是，這種廣義角度指代盤算機模仿時，需求限制到特定處置器硬件上算法的完成、用特定編程說話編寫利用，以及核函數法式、應用特定編譯器等限制前提。在分歧利用題目的場景下，由于這些限制前提的變更，凡是會取得分歧的機能成果。
在狹義界說中，可以把盤算機模仿看作研討體系的一種綜合方式，是加倍完全的盤算經過歷程。該經過歷程包含模子選擇、經由過程模子完成、算法輸入盤算、成果數據可視化及研討。全部模仿的經過歷程也可以與迷信研討經過歷程停止對應，如包養平臺推舉Lynch所描寫：提出一個經歷上可答覆的題目；從旨在答覆該題目的實際中推導出一個可證偽的假定；搜集（或發明）和剖析經歷數據以查驗該假定；謝絕或未能謝絕該假定；將剖析成果與得出該題目的實際聯絡接觸起來。包養網在曩昔，這種狹義的盤算機模仿凡是呈現在熟悉論或許方式論的實際場景中。
Winsberg進一個步驟將盤算機模仿劃分為基于方程的模仿（equation-based simulation）和基于主體的模仿（agent-based simulation）。基于方程的模仿常用于物理等實際學科中。這些學科中普通存在主導性的實際，這些實際可以用來領導構建基于微分方程的數學模子。例如，基于方程的模仿可所以針對粒子的模仿，這種模仿凡是包括多少數字宏大的多個自力粒子和一組描寫粒子之間彼此感化的微分方程。此外，基于方程的模仿也可所以基于場的模仿，凡是包括一組描寫持續介質或場的時光演變方程。基于主體的模仿往往遵守某種演變規定，是模仿社會和行動迷信的最罕見方法。例如， Schelling的隔離政策模子。盡管基于主體的模仿在必定水平上可以表現多個主體的行動，但與基于方程的粒子模仿分歧，這里沒有把持粒子活動的全局微分方程。
從盤算機模仿的界說和分類中，可以看出人們對迷信模仿分歧條理的希冀。從廣義的盤算機模仿角度看，它曾經成為實際剖析和試驗察看等傳統認知方法的彌補手腕。迷信或工程範疇無一破例是由盤算機模仿推進的，在某些特定利用範疇和場景下，甚至是由盤算機模仿轉變的。假如沒有盤算機模仿，很多要害技巧就無法被懂得、開闢和應用。狹義的盤算機模仿包含著一個哲學題目：盤算機能否可以自立停止迷信研討？迷信研討的目的是熟悉世界，這意味著盤算機法式必需發明新的常識。跟著人工智能技巧研討及利用的新一輪迸發，人們對盤算機主動地以“智能”方法停止迷信研討佈滿了等待。值得一提的是，Kitano在2021年提出的“諾貝爾-圖靈挑釁”的新不雅點——“到2050年，開闢可以或許自立履行研討義務的智能迷信家，做出諾貝爾獎級此外嚴重迷信發明”。該不雅點觸及廣義和狹義的盤算機模仿相干技巧，但沒有繚繞狹義界說的“哲學題目”深刻切磋，只是把其作為迷信模仿的一個雄偉目的對待。
迷信模仿的成長階段
從最直不雅的視角來看，迷信模仿的載體是盤算機法式。從數學情勢上講，盤算機法式是由可盤算函數構成的，此中每個函數將無限輸出數據的團圓集映射到無限輸入數據的團圓集上。從盤算機技巧上講，盤算機法式等于算法加上數據構造。是以，迷信模仿的完成需求以迷信題目及其處理方法被情勢化抽象為前提。這里，本文借用Simon的不雅點：迷信家即題目“求解器”。在此不雅點中，迷信家給本身設定了嚴重迷信題目，斷定題目息爭決題目的戰略和技巧是迷信發明的實質。基于上述“求解器”的話語系統，本文類比求解方程的情勢，將迷信模仿的成長劃分為3個階段，即數值盤算、模仿智能和迷信年夜腦（圖1）。
數值盤算
但是，這種將部門復雜迷信題目轉換為絕對簡略的盤算題目的解題形式，僅僅是一種粗粒度的建模計劃，在一些利用場景下會碰到盤算瓶頸。在處理真正的場景中復雜物理模子時，經常面對基礎物理道理盤算量過年夜的題目，并由此招致空有道理而無法有用處理迷信題目。例如，第一性道理分子動力學的要害為求解量子力學Kohn-Sham方程，其焦點算法求解經過歷程是屢次求解年夜範圍特征值題目。特征值題目的盤算復雜度為N3（N為矩陣的維度）。在現實物理題目的求解中，最常用的立體波基組凡是是原子個數的100—10000倍。這意味著對于上千原子的系統範圍，矩陣維度N到達106，其響應的浮點數運算總量也將到達1018 FLOPS，即到達EFLOPS級此外盤算量。需求留意的是，在單步分子動力學中需求屢次求解特征值題目，這也就使得單步分子動力學的模仿時光凡是為數分鐘甚至1小時。由于單步分子動力學的模仿物理時光只能到達1飛秒，假定要完成納秒物理時光的分子動力學模仿經過歷程，就需求106個分子動力學步。響應的盤算量至多要到達1024 FLOPS。這般宏大的運算量即便應用世界上最年夜範圍的超等盤算機也難以在短時光內完成。為清楚決僅應用第一性道理盤算帶來的超年夜盤算量，研討職員成長了多標準方式，此中最典範的是取得了2013年諾貝爾化學獎的量子力學/分子力學（QM/MM）方式。該方式的思惟是針對焦點物理化學反映部門（如：酶及其聯合底物的活潑位點原子），采用高精度的第一性道理盤算方式，對于四周的物理化學反映區域（溶液、卵白質和其他區域）采用低精度且盤算復雜度更低的經典力學方式。這種高精度、低精度相聯合的盤算方式，可以有用地下降盤算量。但面臨現實題目時，該方式仍然存在著宏大的挑釁。例如，細胞半徑約0.2微米的單個生殖支原體包括3×109個原子和77000個卵白質分子。由于焦點盤算時光仍來自QM部門，模仿2小時的經過歷程估計需求消耗109年。假如將相似題目推行到人腦的模仿中，響應的體系原子數將到達1026個，守舊估量需求1010個活潑位點的QM盤算。由此可以揣度，模仿1小時的QM部門需求長達1024年的時光，而MM部門的模仿也需求長達1023年的時光。這種超長盤算時光的情形也被稱為“維度災害”。
模仿智能
是以，模仿智能在傳統數值盤算中嵌進人工智能模子（以後重要是深度進修模子），分歧于其別人工智能利用範疇的深度進修模子“黑盒子”。模仿智能請求這些模子的基礎動身點和基礎構造是可說明的。今朝，這一標的目的已存在大批研討，Zhang等在2023年對模仿智能範疇最新停頓停止了體系性的梳理。從懂得亞原子（波函數和電子密度）、原子（分子、卵白質、資料和彼此感化）到微觀（流體、天氣和地下）標準物理世界，把研討對象分為量子（quantum）、原子（atomistic）和持續介質（continuum）三年夜系統，涵蓋量子力學、密度泛函、小分子、卵白質、資料迷信、分子間彼此感化和持續力學等7個迷信範疇。此外，還具體會商了此中要害的配合挑釁，即：若何經由過程深度進修方式捕獲物理第一性道理，特殊是天然體系中的對稱性。應用物理道理的智能模子簡直曾經滲入了傳統迷信盤算的一切範疇。模仿智能年夜幅晉陞了對微不雅多標準體系的模仿才能，為在線試驗反應迭代供給了加倍周全的支持前提。例如，盤算模仿體系和機械人迷信家之間的疾速及時迭代，有助于晉陞科研效力。是以，模仿智能在必定水平上，還將包含“實際—試驗”迭代的把持經過歷程，同時也會觸及部門狹義的迷信模仿。
迷信年夜腦
傳統的迷信方式從最基礎上塑造了人類摸索天然和迷信發明的分步“指南”。面臨全新的研討題目，迷信家們曾經被練習成從假定和替換計劃的角度動身，指定若何展開把持測試的定勢思想。固然這種研討經過歷程在曩昔幾個世紀內都是有用的，可是很是遲緩的。從某種意義下去說，這種研討經過歷程是客觀的，是由迷信家的聰慧才智和成見驅動的。這種成見，有時會障礙需要的范式改變。人工智能技巧的成長激起了人們對迷信和智能融會發生最優的且具有立異性的處理計劃的希冀。
以上所提到的迷信模仿成長經過的事況的3個階段，可以或許顯明區分盤算機模仿在可盤算和智能化才能方面慢慢晉陞的經過歷程。數值盤算階段，對復雜迷信題目中絕對簡略的盤算題目停止了粗粒度建模，屬于純真的廣義盤算機模仿界說范疇。它不只增進浩繁範疇微觀標準迷信發明，同時也開啟了對微不雅世界的初步摸索。模仿智能階段，將針對微不雅世界的多標準摸索推上一個新的臺階。除了在廣義盤算機模仿界說范疇內對盤算才能停止了多少數字級地晉陞之外，該階段還觸及對試驗中某些要害環節的盤算加快，在必定水平上為迷信模仿下一階段的完成奠基了基本。迷信年夜腦階段，將是對狹義盤算機模仿界說的完成。在此階段中，盤算機模仿將具有發明常識的才能。
design模仿智能盤算體系的要害題目
依照本文對迷信模仿成長階段的粗粒度劃分，與其響應的盤算體系也在同步退化。超等盤算機在數值盤算階段施展了不成替換的感化；成長到新的模仿智能階段，底層盤算體系的design也是基石。那么，模仿智能盤算體系的成長標的目的應當遵守什么樣的領導思惟？
縱不雅盤算和迷信研討成長汗青，可回納出盤算體系成長的基礎周期性紀律：在新的盤算形式和需求發生階段的初期，盤算體系的design著重尋求極致的公用性。而在顛末一段時光的技巧演化和利用拓展之后，盤算體系的design開端著重于對通用性的尋求。在人類科技文明晚期成長的漫長經過歷程中，盤算體系已經是林林總總的公用機械裝備，幫助停止一些簡略的運算（圖2）。近代以來，電子技巧的衝破催生了電子盤算機的呈現，并且跟著其盤算才能的不竭晉陞，數學、物理等學科的成長也不竭向前，尤其是超等盤算機上的年夜範圍數值模仿結果，引領了大批前沿迷信研討和嚴重工程利用。由此可見，日益成長的通用高機能盤算機在不竭地加快微觀標準迷信的各類年夜範圍利用，并獲得嚴重結果。接上去，微不雅世界的多標準摸索將是將來Z級（1021）超等盤算機利用的焦點場景。而現有通用高機能盤算機的技巧道路則將碰到功耗和效力等瓶頸，難認為繼。聯合模仿智能階段所浮現的新特征，本文以為面向模仿智能的盤算體系，將以尋求極致的Z級盤算公用智能體系為design目的，將來機能最高的盤算體系將專門針對模仿智能利用法式，在硬件自己及軟件底層的算法和抽象中停止定制。
圖2 迷信模仿盤算體系成長的周期性紀律
Figure 2 Periodic trends of computing system for scientific simulation
直不雅上講，面向模仿智能的盤算體系離不開智能組件（軟件和硬件），那么基于現有的智能組件來構建智能盤算體系就能真正知足模仿智能的需求嗎？謎底能否定的。李國杰院士已經指出：“有人曾戲謔今朝信息範疇的情勢為：‘軟件在吞噬世界，人工智能在吞噬軟件，深度進修在吞噬人工智能，GPU（圖形處置器）在吞噬深度進修。’”研討制造更高機能的GPU或相似的硬件加快器，似乎包養網成了對於年夜數據的重要前途。可是假如不明白該在什么處所加快，只自覺依附硬件的蠻力是不明智的。是以，design智能體系的要害在于深入懂得請求解的題目。盤算機架構師的腳色是選擇好的常識表現、辨認開支密集型義務、進修元常識、斷定基礎操縱后，再用軟硬件優化技巧往支撐這些義務。”
面向模仿智能的盤算體系design是一個新發生的研討主題，絕對其他盤算體系design而言，加倍具有明顯的奇特性。是以，需求一個全體同一的視角，來推動人工智能和模仿迷信的穿插。1989年，Wah和Li總結了關于智能盤算機體系design的3個條理，該不雅點至今仍然值得鑒戒。但遺憾的是，今朝還沒有任何干于這方面的加倍深刻的會商和現實性研討。詳細而言，智能盤算機體系的design要斟酌3個條理——表現層（representation level）、把持層（control level）和處置層（processor level）。表現層處置用于處理給定人工智能題目的常識和方式，以及若何表現該題目；把持層追蹤關心算法中依靠關系和并行性，以及題目的法式表現；處置層處理履行算法和法式表現所需的硬件和系統構造組件。上面將以這3個條理為基本，會商面向模仿智能的盤算體系design的要害題目。
表現層
表現層是design經過歷程中的一個主要元素，包含範疇常識表現和個性特征（元常識）表現，其決議了給定題目能否可以或許在公道的時光內獲得處理。界說表現層的實質是對順應普遍利用的行動和方式停止高等抽象，將它們與特定的完成解耦。上面給出範疇常識表現和個性特征表現的案例。
從現階段面向迷信的人工智能研討看，對稱性的研討將成為表征進修的一個主要衝破口，其緣由在于物理上的守恒定律是由對稱性招致的（諾特定理），而守恒定律常被用來研討粒子的基礎屬性和粒子之間的彼此感化。物理上的對稱性是指在某種變換后或某種操縱下的不變性，無法做出可分辨的丈量（不成區分性）。基于多層感知機（MLP）、卷積神經收集（CNN）、圖神經收集（GNN）的小分子表征模子在有用參加對稱性之后，曾經普遍利用于卵白質、分子、晶體等物資的構造猜測。
2004年，Colella向美國國防高等研討打算局（DARPA）提出了迷信盤算的“七個小矮人”（Seven Dwarfs）——濃密線性代數、稀少線性代數、構造網格盤算、非構造網格盤算、譜方式、粒子方式、蒙特卡洛模仿。此中，每一種迷信盤算題目，都代表了一種可以捕捉盤算和數據變動位置形式的盤算方式。受此啟示，巴斯德試驗室的Lavin等以相似方法界說了模仿智能中的9種基元（nine motifs of simulation intelligence）——多物理景象多標準建模、代表建模擬真、基于模仿的推理、因果關系建模推理、基于主體的建模、包養網概率編程、微分編程、開放式優化、機械編程。這9種基元代表了互為彌補的分歧盤算方式類型，為協同模仿和人工智能技巧增進迷信成長奠基了基本。面向傳統迷信盤算回納的各個主題，曾為利用于分歧學科的數值方式（以及并行盤算）的研發任務供給了明白的道路圖；面向模仿智能的各個主題異樣不局限于廣義的機能或法式代碼，而是鼓勵算法、編程說話、數據構造和硬件方面的立異。
把持層
把持層承先啟後，在全部盤算體系中起到銜接和把持算法映射與硬件履行的要害感化，在古代盤算機體系中表示為體系軟件棧。本文僅會商和迷信模仿相干的要害組件。模仿智能盤算體系的把持層的變更重要來自2個方面：數值盤算、年夜數據和人工智能的緊耦合；底層硬件技巧能夠產生的推翻性變更。近年來，由于迷信年夜數據的急劇增添，在迷信模仿的數值盤算階段，年夜數據軟件棧逐步被超算體系範疇所追蹤關心，只是絕對于傳統的數值盤算，年夜數據軟件棧是完整自力的，在模仿流程上屬于分歧的步調。是以，基于2套體系的軟件棧是基礎可行的包養。而在模仿智能階段，情形發生了最基礎上的變更。依據前文中所表現的題目解法描寫公式y=F(f(x),A(x))，人工智能和年夜數據部門都是嵌進在數值盤算內的，這種聯合是一個緊耦合的模仿經過歷程，天然需求一個異質融會的體系軟件棧。以DeePMD為例，該模子包括平移不變性的嵌進收集、對稱性堅持操縱和擬合收集3個模塊。鑒于系統的能量、受力等屬性不以報酬界說轉變（例如，便于丈量或描寫而付與系統中各個原子的坐標），接進擬合收集停止原子能量和受力的擬合，就能獲得較高精度的擬合成果。再斟酌模子的練習數據強依靠于第一性道理盤算，全部流程是一個數值盤算和深度進修緊耦合的經過歷程。
是以，體系軟件在代碼天生和運轉時履行經過歷程中，將不再區分個性核函數的起源，即不再區分能否由傳統人工智能、傳統數值盤算或依據特定題目停止人工定制擴大得來。響應的，體系軟件一方面需求針對3類分歧起源的個性核函數，供給易于擴大和開闢的編程接口。另一方面則需求對這3類函數，在代碼編譯方面和運轉時資本治理方面，統籌并行效力和訪存部分性等機能保證；在面向分歧粒度的盤算義務時，可以或許逐層停止融會和協同優化，施展分歧類型系統構造處置器的最佳機能。
處置層
縱不雅數值盤算階段到模仿智能階段，一個驅動技巧成長的主要原因是以後硬件技巧無法知足盤算需求。是以，處置層design重要題目是：表現層的變更（如對稱性、基元）會發生全新的硬件系統架構嗎？它們是基于傳統公用集成電路（ASIC）完成，仍是超出互補金屬氧化物半導體（CMOS）——從高機能盤算的成長道路圖來看，這也是將來Z級超算的硬件design要斟酌的焦點題目。可以勇敢猜測，在2035年擺佈，Z級超算能夠會呈現。盡管基于機能和靠得住性原因的斟酌，那時CMOS平臺仍將占據主流，但一些焦點組件將是樹立在非CMOS工藝上的公用硬件。
摩爾定律固然放緩但仍然有用，要重點處理的要害困難是若何迫近摩爾定律的極限。換句話說，若何經由過程軟硬件協同design的手腕，將基于CMOS的硬件潛力充足發掘出來。由於，即便在機能優先級最高的超算範疇，大都算法負載所取得的現實機能僅僅只是硬件裸機能的極小部門。回想超算範疇晚期成長階段，其基礎design哲學就是軟硬件協同。將來十幾年，微處置器敏捷成長的“盈利”將耗盡，面向模仿智能的盤算體系硬件架構應當回回到從頭design的軟硬件協同技巧上。一個凸起的例子是如前所述的分子動力學模仿，Anton系列是一個從零開端design的超等盤算機家族，可以知足年夜範圍長時光標準的分子動力學模仿盤算，而這也恰好是對微不雅世界摸索的需要前提之一。但是，最新的Anton盤算也只能對基于經典力場模子完成20微秒的模仿，無法停止第一性道理精度的長時光標準模仿；但是，后者才幹知足大都現實利用（如藥物design等）需求。
比來，作為模仿智能的典範利用，DeePMD模子在傳統年夜範圍并行體系上的衝破證實了其宏大的潛力。中國迷信院盤算技巧研討所超算團隊，已完成了170個原子的第一性道理精度分子動力學的納秒級模仿。可是，長時光標準模仿請求硬件架構具有極高的可擴大性，需求在運算邏輯和通訊操縱上有極致的立異。本文以為有2類技巧可以預期可以或許施展要害感化：存算一體架構，經由過程下降數據變動位置的延遲來進步運算效力；硅光互連技巧，可以在高能效下供給年夜帶寬的通訊才能，有助于進步并行性和數據範圍。進而，跟著對模仿智能利用普遍而深刻的研討，信任將來將慢慢構成迷信模仿範疇的“新浮點”運算單位和指令集。
本文以為，在迷信模仿的現階段，尚處于模仿智能階段的晚期，此時對模仿智能的使能技巧睜開研討至關主要。在普通迷信研討中，自力的概念、關系和行動能夠是易懂得的。可是，它們的組合行動會招致不成猜測的成果。深刻清楚復雜體系的靜態行動，對于很多處置復雜挑釁性範疇的研討職員來說長短常可貴的。在面向模仿智能的盤算體系design中，一個必不成少的環節是跨學科一起配合，即範疇迷信、數學、盤算機迷信與工程、建模與仿真等學科任務者之間的協作。這種跨學科一起配合會構建更優的模仿盤算體系，構成更周全和全體的方式，往處理加倍復雜的實際世界的迷信挑釁。
（作者：譚光亮、賈偉樂、王展、元國軍、邵恩、孫凝暉，中國迷信院盤算技巧研討所。《中國迷信院院刊》供稿）