美国启动AI超级计划!USC率队破解「最难预测」湍流 航空、能源产业将迎巨变


获美国能源部Genesis Mission支持 携手密歇根大学、阿贡国家实验室打造AI科学发现新平台

【UNE新闻速递】洛杉矶讯

美国南加州大学(USC)成为首批获选参与美国能源部「创世纪计划」(Genesis Mission)的大学之一,并将领导跨机构研究团队,开发能够预测湍流(Turbulence)的新一代人工智能(AI)系统,推动航空、能源、交通运输及先进制造等领域的科学创新。

「创世纪计划」是美国能源部发起的国家级科研计划,汇聚全美17座国家实验室、大学及产业界伙伴,结合人工智能、超级计算、量子科技与先进科学仪器,加速科学发现,并提升美国在能源与关键技术领域的国际竞争力。

南加大此次将与密歇根大学(University of Michigan)及阿贡国家实验室(Argonne National Laboratory)合作,研发以物理定律为基础的新型AI模型,解决工程学中长期存在的湍流预测难题。

南加大维特比工程学院(USC Viterbi School of Engineering)代理院长、即将成立的Mark and Mary Stevens计算与人工智能学院首任院长Gaurav Sukhatme表示,USC正积极打造一个以人为本的AI创新生态,让人工智能、科学研究及跨领域合作相互促进,而Genesis Mission正体现了这一愿景,不仅推动科学突破,也培养下一代AI科学家与工程师。

AI挑战工程学百年难题

湍流广泛存在于飞机飞行、风力发电、发动机燃烧、输油管线,以及暴风雨、海洋洋流和森林火灾烟流等自然与工业系统中。虽然湍流遵循物理定律,但由于流场变化极其复杂,即使极小的初始差异,也可能导致完全不同的发展结果,因此长期以来一直是工程学最难预测的问题之一。

此次研究负责人、USC航空航天与机械工程副教授Iván Bermejo-Moreno指出,以商用客机为例,要准确预测飞机周围空气中的湍流变化,需要同时追踪数百万个空气微小运动之间的相互作用,其计算量甚至超过目前最快超级计算机的能力。

目前科学家只能利用数学模型近似估算这些细微运动,而USC团队开发的新AI,则将结合物理学原理与高精度计算模拟,让AI学习辨识湍流中的各种流体结构,例如瀑布或云层中常见的旋涡形态,再据此预测未来变化,大幅提高模拟速度与准确性。

Bermejo-Moreno表示,过去已有研究利用AI预测湍流,但团队的方法并非单纯依赖数据,而是训练AI理解流体结构本身,因此更具有科学解释能力,也更适用于复杂工程系统。

应用范围涵盖航空、能源与制造业

USC表示,这项技术未来不仅可帮助航空产业设计更高效率、更节能的飞机,也可应用于风力发电、能源输送系统、先进发动机研发、制造业优化,以及气候与环境科学研究。

研究团队认为,新AI系统将大幅缩短科学模拟时间,让过去需要数年才能完成的计算任务,在更短时间内完成,甚至解决现有计算能力无法处理的复杂问题。

虽然首阶段聚焦于湍流预测,但未来相关AI技术可扩展至更多科学领域,为各类高难度科研提供新的解决方案。

培养下一代AI科研人才

除了推动科研创新,Genesis Mission也着重培养未来人才。

USC长期参与阿贡国家实验室的「极限规模计算培训计划」(Argonne Training Program on Extreme-Scale Computing),不少研究生毕业后进入美国能源部国家实验室工作。今年,Bermejo-Moreno实验室就有两名研究生获选参加该项目。

此外,USC维特比工程学院航空航天与机械工程系,以及先进研究计算中心(CARC)每年举办AI与高性能计算暑期课程,为学生提供人工智能、超级计算及科学模拟等实务训练,强化美国未来AI科研人才储备。

建立跨领域AI创新生态

近年来,USC持续扩大人工智能领域布局,在校长 Beong-Soo Kim 领导下,成立Mark and Mary Stevens计算与人工智能学院,推动工程、计算机科学、医学、自然科学及艺术等跨领域合作,并深化与政府及产业界伙伴的协作。

Bermejo-Moreno表示,国家实验室拥有世界领先的超级计算与AI资源,产业界持续推动AI技术快速发展,而大学则负责基础研究与人才培养,三方合作能够发挥最大的综合效益。

他说:「每一个合作伙伴都拥有独特专长,把这些力量结合起来,整体成果将远远超过任何单一机构能够完成的成就。」

美国能源部表示,Genesis Mission未来将持续探索AI在科学研究中的应用,希望透过人工智能、超级计算、量子科技及先进科研设备的整合,加速能源、国家安全及基础科学领域的重大突破。

本網站內容嚴禁未經授權轉載、複製。本網站僅為一般訊息平台,所發內容不代表本站立場,不構成任何投資、購買、要約等建議,不對資料之完整性、精確性等作任何保證。