中國網(wǎng)/中國發(fā)展門戶網(wǎng)訊 人類進(jìn)入大科學(xué)時(shí)代后，“模擬”作為“理論”“實(shí)驗(yàn)”以外重要的補(bǔ)充技術(shù)手段，成為科學(xué)研究的第3個(gè)支柱。從表現(xiàn)形式看，科學(xué)研究可以被視為建立模型（modeling）的過程。而模擬（simulation）則是所建立的科學(xué)模型在計(jì)算機(jī)上的運(yùn)行過程。最早期的計(jì)算機(jī)模擬（computer simulation）可以追溯到第二次世界大戰(zhàn)之后，是專門針對(duì)核物理學(xué)和氣象學(xué)研究的一種開創(chuàng)性的科學(xué)工具。后來，在越來越多的學(xué)科中，計(jì)算機(jī)模擬變得愈發(fā)重要，并不斷衍生出計(jì)算和其他領(lǐng)域交叉的學(xué)科，如：計(jì)算物理、計(jì)算化學(xué)和計(jì)算生物學(xué)等學(xué)科。Weaver在1948年撰文指出：人類解決有序復(fù)雜問題并實(shí)現(xiàn)科學(xué)新飛躍，將主要依賴于計(jì)算機(jī)技術(shù)的發(fā)展和不同學(xué)科背景科學(xué)家的技術(shù)碰撞。一方面，計(jì)算機(jī)技術(shù)的發(fā)展使人類能夠解決復(fù)雜且難以處理的問題。另一方面，計(jì)算機(jī)技術(shù)能夠有效激發(fā)有序復(fù)雜性問題的新解決方法。這種新解決方法本身也正是計(jì)算科學(xué)（computational science）的范疇之一，讓科學(xué)家有機(jī)會(huì)集中資源，將不同領(lǐng)域的見解聚焦在共同問題上。這種見解聚焦的結(jié)果，促使不同學(xué)科背景的科學(xué)家們，形成比單一學(xué)科背景科學(xué)家們更強(qiáng)大的“混合團(tuán)隊(duì)”；這樣的“混合團(tuán)隊(duì)”將有能力解決某些復(fù)雜性問題，并且得出有用的結(jié)論。總之，科學(xué)和建模緊密相關(guān)，模擬執(zhí)行代表理論的模型，人們把科學(xué)研究中的計(jì)算機(jī)模擬稱為科學(xué)模擬（scientific simulation）。

目前，還沒有任何針對(duì)“計(jì)算機(jī)模擬”的單一定義能夠恰當(dāng)?shù)孛枋隹茖W(xué)模擬的概念。美國國防部將模擬定義為一種方法，即：“一種隨時(shí)間實(shí)現(xiàn)模型的方法”；進(jìn)而，將計(jì)算機(jī)模擬定義為一種過程，即：“在計(jì)算機(jī)上執(zhí)行代碼、控制和顯示接口硬件，并與現(xiàn)實(shí)世界設(shè)備進(jìn)行接口交互的過程”。Winsberg把計(jì)算機(jī)模擬的定義又分為狹義和廣義范圍。

在狹義定義中，計(jì)算機(jī)模擬就是“在計(jì)算機(jī)上運(yùn)行程序的過程”。計(jì)算機(jī)模擬使用步進(jìn)方法來探索數(shù)學(xué)模型的近似行為。模擬程序在計(jì)算機(jī)上的一次運(yùn)行過程，代表了對(duì)目標(biāo)系統(tǒng)的一次模擬。人們愿意用計(jì)算機(jī)模擬方法求解問題，主要有以下2個(gè)原因：原始模型本身包含離散方程；原始模型的演化更適合用“規(guī)則”，而不是“方程”來進(jìn)行描述。值得注意的是，這種狹義角度指代計(jì)算機(jī)模擬時(shí)，需要限定到特定處理器硬件上算法的實(shí)現(xiàn)、用特定編程語言編寫應(yīng)用，以及核函數(shù)程序、使用特定編譯器等限制條件。在不同應(yīng)用問題的場景下，由于這些限制條件的變化，通常會(huì)獲得不同的性能結(jié)果。

在廣義定義中，可以把計(jì)算機(jī)模擬看作研究系統(tǒng)的一種綜合方法，是更加完整的計(jì)算過程。該過程包括模型選擇、通過模型實(shí)現(xiàn)、算法輸出計(jì)算、結(jié)果數(shù)據(jù)可視化及研究。整個(gè)模擬的過程也可以與科學(xué)研究過程進(jìn)行對(duì)應(yīng)，如Lynch所描述：提出一個(gè)經(jīng)驗(yàn)上可回答的問題；從旨在回答該問題的理論中推導(dǎo)出一個(gè)可證偽的假設(shè)；收集（或發(fā)現(xiàn)）和分析經(jīng)驗(yàn)數(shù)據(jù)以檢驗(yàn)該假設(shè)；拒絕或未能拒絕該假設(shè)；將分析結(jié)果與得出該問題的理論聯(lián)系起來。在過去，這種廣義的計(jì)算機(jī)模擬通常出現(xiàn)在認(rèn)識(shí)論或者方法論的理論場景中。

Winsberg進(jìn)一步將計(jì)算機(jī)模擬劃分為基于方程的模擬（equation-based simulation）和基于主體的模擬（agent-based simulation）。基于方程的模擬常用于物理等理論學(xué)科中。這些學(xué)科中一般存在主導(dǎo)性的理論，這些理論可以用來指導(dǎo)構(gòu)建基于微分方程的數(shù)學(xué)模型。例如，基于方程的模擬可以是針對(duì)粒子的模擬，這種模擬通常包含數(shù)量巨大的多個(gè)獨(dú)立粒子和一組描述粒子之間相互作用的微分方程。此外，基于方程的模擬也可以是基于場的模擬，通常包含一組描述連續(xù)介質(zhì)或場的時(shí)間演化方程。基于主體的模擬往往遵循某種演化規(guī)則，是模擬社會(huì)和行為科學(xué)的最常見方式。例如， Schelling的隔離政策模型。盡管基于主體的模擬在一定程度上可以表示多個(gè)主體的行為，但與基于方程的粒子模擬不同，這里沒有控制粒子運(yùn)動(dòng)的全局微分方程。

從計(jì)算機(jī)模擬的定義和分類中，可以看出人們對(duì)科學(xué)模擬不同層次的期望。從狹義的計(jì)算機(jī)模擬角度看，它已經(jīng)成為理論分析和實(shí)驗(yàn)觀察等傳統(tǒng)認(rèn)知方式的補(bǔ)充手段。科學(xué)或工程領(lǐng)域無一例外是由計(jì)算機(jī)模擬推動(dòng)的，在某些特定應(yīng)用領(lǐng)域和場景下，甚至是由計(jì)算機(jī)模擬改變的。如果沒有計(jì)算機(jī)模擬，許多關(guān)鍵技術(shù)就無法被理解、開發(fā)和利用。廣義的計(jì)算機(jī)模擬蘊(yùn)含著一個(gè)哲學(xué)問題：計(jì)算機(jī)是否可以自主進(jìn)行科學(xué)研究？科學(xué)研究的目標(biāo)是認(rèn)識(shí)世界，這意味著計(jì)算機(jī)程序必須創(chuàng)造新的知識(shí)。隨著人工智能技術(shù)研究及應(yīng)用的新一輪爆發(fā)，人們對(duì)計(jì)算機(jī)自動(dòng)地以“智能”方式進(jìn)行科學(xué)研究充滿了期待。值得一提的是，Kitano在2021年提出的“諾貝爾-圖靈挑戰(zhàn)”的新觀點(diǎn)——“到2050年，開發(fā)能夠自主執(zhí)行研究任務(wù)的智能科學(xué)家，做出諾貝爾獎(jiǎng)級(jí)別的重大科學(xué)發(fā)現(xiàn)”。該觀點(diǎn)涉及狹義和廣義的計(jì)算機(jī)模擬相關(guān)技術(shù)，但沒有圍繞廣義定義的“哲學(xué)問題”深入探討，只是把其作為科學(xué)模擬的一個(gè)宏偉目標(biāo)看待。

科學(xué)模擬的發(fā)展階段

從最直觀的視角來看，科學(xué)模擬的載體是計(jì)算機(jī)程序。從數(shù)學(xué)形式上講，計(jì)算機(jī)程序是由可計(jì)算函數(shù)組成的，其中每個(gè)函數(shù)將有限輸入數(shù)據(jù)的離散集映射到有限輸出數(shù)據(jù)的離散集上。從計(jì)算機(jī)技術(shù)上講，計(jì)算機(jī)程序等于算法加上數(shù)據(jù)結(jié)構(gòu)。因此，科學(xué)模擬的實(shí)現(xiàn)需要以科學(xué)問題及其解決方式被形式化抽象為條件。這里，本文借用Simon的觀點(diǎn)：科學(xué)家即問題“求解器”。在此觀點(diǎn)中，科學(xué)家給自己設(shè)定了重大科學(xué)問題，確定問題和解決問題的策略和技術(shù)是科學(xué)發(fā)現(xiàn)的本質(zhì)。基于上述“求解器”的話語體系，本文類比求解方程的形式，將科學(xué)模擬的發(fā)展劃分為3個(gè)階段，即數(shù)值計(jì)算、模擬智能和科學(xué)大腦（圖1）。

數(shù)值計(jì)算

然而，這種將部分復(fù)雜科學(xué)問題轉(zhuǎn)換為相對(duì)簡單的計(jì)算問題的解題模式，僅僅是一種粗粒度的建模方案，在一些應(yīng)用場景下會(huì)遇到計(jì)算瓶頸。在解決真實(shí)場景中復(fù)雜物理模型時(shí)，常常面臨基本物理原理計(jì)算量過大的問題，并由此導(dǎo)致空有原理而無法有效解決科學(xué)問題。例如，第一性原理分子動(dòng)力學(xué)的關(guān)鍵為求解量子力學(xué)Kohn-Sham方程，其核心算法求解過程是多次求解大規(guī)模特征值問題。特征值問題的計(jì)算復(fù)雜度為N3（N為矩陣的維度）。在實(shí)際物理問題的求解中，最常用的平面波基組通常是原子個(gè)數(shù)的100—10000倍。這意味著對(duì)于上千原子的體系規(guī)模，矩陣維度N達(dá)到106，其相應(yīng)的浮點(diǎn)數(shù)運(yùn)算總量也將達(dá)到1018 FLOPS，即達(dá)到EFLOPS級(jí)別的計(jì)算量。需要注意的是，在單步分子動(dòng)力學(xué)中需要多次求解特征值問題，這也就使得單步分子動(dòng)力學(xué)的模擬時(shí)間通常為數(shù)分鐘乃至1小時(shí)。由于單步分子動(dòng)力學(xué)的模擬物理時(shí)間只能達(dá)到1飛秒，假設(shè)要完成納秒物理時(shí)間的分子動(dòng)力學(xué)模擬過程，就需要106個(gè)分子動(dòng)力學(xué)步。相應(yīng)的計(jì)算量至少要達(dá)到1024 FLOPS。如此龐大的運(yùn)算量即使使用世界上最大規(guī)模的超級(jí)計(jì)算機(jī)也難以在短時(shí)間內(nèi)完成。為了解決僅使用第一性原理計(jì)算帶來的超大計(jì)算量，研究人員發(fā)展了多尺度方法，其中最典型的是獲得了2013年諾貝爾化學(xué)獎(jiǎng)的量子力學(xué)/分子力學(xué)（QM/MM）方法。該方法的思想是針對(duì)核心物理化學(xué)反應(yīng)部分（如：酶及其結(jié)合底物的活躍位點(diǎn)原子），采用高精度的第一性原理計(jì)算方法，對(duì)于周圍的物理化學(xué)反應(yīng)區(qū)域（溶液、蛋白質(zhì)和其他區(qū)域）采用低精度且計(jì)算復(fù)雜度更低的經(jīng)典力學(xué)方法。這種高精度、低精度相結(jié)合的計(jì)算方法，可以有效地降低計(jì)算量。但面對(duì)實(shí)際問題時(shí)，該方法依然存在著巨大的挑戰(zhàn)。例如，細(xì)胞半徑約0.2微米的單個(gè)生殖支原體包含3×109個(gè)原子和77000個(gè)蛋白質(zhì)分子。由于核心計(jì)算時(shí)間仍來自QM部分，模擬2小時(shí)的過程預(yù)計(jì)需要耗費(fèi)109年。如果將類似問題推廣到人腦的模擬中，相應(yīng)的系統(tǒng)原子數(shù)將達(dá)到1026個(gè)，保守估計(jì)需要1010個(gè)活躍位點(diǎn)的QM計(jì)算。由此可以推斷，模擬1小時(shí)的QM部分需要長達(dá)1024年的時(shí)間，而MM部分的模擬也需要長達(dá)1023年的時(shí)間。這種超長計(jì)算時(shí)間的情況也被稱為“維度災(zāi)難”。

模擬智能

因此，模擬智能在傳統(tǒng)數(shù)值計(jì)算中嵌入人工智能模型（當(dāng)前主要是深度學(xué)習(xí)模型），不同于其他人工智能應(yīng)用領(lǐng)域的深度學(xué)習(xí)模型“黑盒子”。模擬智能要求這些模型的基本出發(fā)點(diǎn)和基本結(jié)構(gòu)是可解釋的。目前，這一方向已存在大量研究，Zhang等在2023年對(duì)模擬智能領(lǐng)域最新進(jìn)展進(jìn)行了系統(tǒng)性的梳理。從理解亞原子（波函數(shù)和電子密度）、原子（分子、蛋白質(zhì)、材料和相互作用）到宏觀（流體、氣候和地下）尺度物理世界，把研究對(duì)象分為量子（quantum）、原子（atomistic）和連續(xù)介質(zhì)（continuum）三大體系，涵蓋量子力學(xué)、密度泛函、小分子、蛋白質(zhì)、材料科學(xué)、分子間相互作用和連續(xù)力學(xué)等7個(gè)科學(xué)領(lǐng)域。此外，還詳細(xì)討論了其中關(guān)鍵的共同挑戰(zhàn)，即：如何通過深度學(xué)習(xí)方法捕捉物理第一性原理，特別是自然系統(tǒng)中的對(duì)稱性。利用物理原理的智能模型幾乎已經(jīng)滲透了傳統(tǒng)科學(xué)計(jì)算的所有領(lǐng)域。模擬智能大幅提升了對(duì)微觀多尺度系統(tǒng)的模擬能力，為在線實(shí)驗(yàn)反饋迭代提供了更加全面的支撐條件。例如，計(jì)算模擬系統(tǒng)和機(jī)器人科學(xué)家之間的快速實(shí)時(shí)迭代，有助于提升科研效率。因此，模擬智能在一定程度上，還將包括“理論—實(shí)驗(yàn)”迭代的控制過程，同時(shí)也會(huì)涉及部分廣義的科學(xué)模擬。

科學(xué)大腦

傳統(tǒng)的科學(xué)方法從根本上塑造了人類探索自然和科學(xué)發(fā)現(xiàn)的分步“指南”。面對(duì)全新的研究問題，科學(xué)家們已經(jīng)被訓(xùn)練成從假設(shè)和替代方案的角度出發(fā)，指定如何開展控制測試的定勢思維。雖然這種研究過程在過去幾個(gè)世紀(jì)內(nèi)都是有效的，但是非常緩慢的。從某種意義上來說，這種研究過程是主觀的，是由科學(xué)家的聰明才智和偏見驅(qū)動(dòng)的。這種偏見，有時(shí)會(huì)阻礙必要的范式轉(zhuǎn)變。人工智能技術(shù)的發(fā)展激發(fā)了人們對(duì)科學(xué)和智能融合產(chǎn)生最優(yōu)的且具有創(chuàng)新性的解決方案的期望。

以上所提到的科學(xué)模擬發(fā)展經(jīng)歷的3個(gè)階段，能夠明顯區(qū)分計(jì)算機(jī)模擬在可計(jì)算和智能化能力方面逐步提升的過程。數(shù)值計(jì)算階段，對(duì)復(fù)雜科學(xué)問題中相對(duì)簡單的計(jì)算問題進(jìn)行了粗粒度建模，屬于單純的狹義計(jì)算機(jī)模擬定義范疇。它不僅促進(jìn)眾多領(lǐng)域宏觀尺度科學(xué)發(fā)現(xiàn)，同時(shí)也開啟了對(duì)微觀世界的初步探索。模擬智能階段，將針對(duì)微觀世界的多尺度探索推上一個(gè)新的臺(tái)階。除了在狹義計(jì)算機(jī)模擬定義范疇內(nèi)對(duì)計(jì)算能力進(jìn)行了數(shù)量級(jí)地提升之外，該階段還涉及對(duì)實(shí)驗(yàn)中某些關(guān)鍵環(huán)節(jié)的計(jì)算加速，在一定程度上為科學(xué)模擬下一階段的實(shí)現(xiàn)奠定了基礎(chǔ)。科學(xué)大腦階段，將是對(duì)廣義計(jì)算機(jī)模擬定義的實(shí)現(xiàn)。在此階段中，計(jì)算機(jī)模擬將具備創(chuàng)造知識(shí)的能力。

設(shè)計(jì)模擬智能計(jì)算系統(tǒng)的關(guān)鍵問題

按照本文對(duì)科學(xué)模擬發(fā)展階段的粗粒度劃分，與其相應(yīng)的計(jì)算系統(tǒng)也在同步進(jìn)化。超級(jí)計(jì)算機(jī)在數(shù)值計(jì)算階段發(fā)揮了不可替代的作用；發(fā)展到新的模擬智能階段，底層計(jì)算系統(tǒng)的設(shè)計(jì)也是基石。那么，模擬智能計(jì)算系統(tǒng)的發(fā)展方向應(yīng)該遵循什么樣的指導(dǎo)思想？

縱觀計(jì)算和科學(xué)研究發(fā)展歷史，可歸納出計(jì)算系統(tǒng)發(fā)展的基本周期性規(guī)律：在新的計(jì)算模式和需求產(chǎn)生階段的初期，計(jì)算系統(tǒng)的設(shè)計(jì)側(cè)重追求極致的專用性。而在經(jīng)過一段時(shí)間的技術(shù)演變和應(yīng)用拓展之后，計(jì)算系統(tǒng)的設(shè)計(jì)開始側(cè)重于對(duì)通用性的追求。在人類科技文明早期發(fā)展的漫長過程中，計(jì)算系統(tǒng)曾經(jīng)是各式各樣的專用機(jī)械設(shè)備，輔助進(jìn)行一些簡單的運(yùn)算（圖2）。近代以來，電子技術(shù)的突破催生了電子計(jì)算機(jī)的出現(xiàn)，并且隨著其計(jì)算能力的不斷提升，數(shù)學(xué)、物理等學(xué)科的發(fā)展也不斷向前，尤其是超級(jí)計(jì)算機(jī)上的大規(guī)模數(shù)值模擬成果，引領(lǐng)了大量前沿科學(xué)研究和重大工程應(yīng)用。由此可見，日益發(fā)展的通用高性能計(jì)算機(jī)在不斷地加速宏觀尺度科學(xué)的各類大規(guī)模應(yīng)用，并取得重大成果。接下來，微觀世界的多尺度探索將是未來Z級(jí)（1021）超級(jí)計(jì)算機(jī)應(yīng)用的核心場景。而現(xiàn)有通用高性能計(jì)算機(jī)的技術(shù)路線則將遇到功耗和效率等瓶頸，難以為繼。結(jié)合模擬智能階段所呈現(xiàn)的新特征，本文認(rèn)為面向模擬智能的計(jì)算系統(tǒng)，將以追求極致的Z級(jí)計(jì)算專用智能系統(tǒng)為設(shè)計(jì)目標(biāo)，未來性能最高的計(jì)算系統(tǒng)將專門針對(duì)模擬智能應(yīng)用程序，在硬件本身及軟件底層的算法和抽象中進(jìn)行定制。

圖2 科學(xué)模擬計(jì)算系統(tǒng)發(fā)展的周期性規(guī)律

Figure 2　Periodic trends of computing system for scientific simulation

直觀上講，面向模擬智能的計(jì)算系統(tǒng)離不開智能組件（軟件和硬件），那么基于現(xiàn)有的智能組件來構(gòu)建智能計(jì)算系統(tǒng)就能真正滿足模擬智能的需求嗎？答案是否定的。李國杰院士曾經(jīng)指出：“有人曾戲謔目前信息領(lǐng)域的形勢為：‘軟件在吞噬世界，人工智能在吞噬軟件，深度學(xué)習(xí)在吞噬人工智能，GPU（圖形處理器）在吞噬深度學(xué)習(xí)。’”研究制造更高性能的GPU或類似的硬件加速器，似乎成了對(duì)付大數(shù)據(jù)的主要出路。但是如果不清楚該在什么地方加速，只盲目依靠硬件的蠻力是不明智的。因此，設(shè)計(jì)智能系統(tǒng)的關(guān)鍵在于深刻理解要求解的問題。計(jì)算機(jī)架構(gòu)師的角色是選擇好的知識(shí)表示、識(shí)別開銷密集型任務(wù)、學(xué)習(xí)元知識(shí)、確定基本操作后，再用軟硬件優(yōu)化技術(shù)去支持這些任務(wù)。”

面向模擬智能的計(jì)算系統(tǒng)設(shè)計(jì)是一個(gè)新產(chǎn)生的研究主題，相對(duì)其他計(jì)算系統(tǒng)設(shè)計(jì)而言，更加具有顯著的獨(dú)特性。因此，需要一個(gè)整體統(tǒng)一的視角，來推進(jìn)人工智能和模擬科學(xué)的交叉。1989年，Wah和Li總結(jié)了關(guān)于智能計(jì)算機(jī)系統(tǒng)設(shè)計(jì)的3個(gè)層次，該觀點(diǎn)至今依然值得借鑒。但遺憾的是，目前還沒有任何關(guān)于這方面的更加深入的討論和實(shí)際性研究。具體而言，智能計(jì)算機(jī)系統(tǒng)的設(shè)計(jì)要考慮3個(gè)層次——表示層（representation level）、控制層（control level）和處理層（processor level）。表示層處理用于解決給定人工智能問題的知識(shí)和方法，以及如何表示該問題；控制層關(guān)注算法中依賴關(guān)系和并行性，以及問題的程序表示；處理層解決執(zhí)行算法和程序表示所需的硬件和體系結(jié)構(gòu)組件。下面將以這3個(gè)層次為基礎(chǔ)，討論面向模擬智能的計(jì)算系統(tǒng)設(shè)計(jì)的關(guān)鍵問題。

表示層

表示層是設(shè)計(jì)過程中的一個(gè)重要元素，包括領(lǐng)域知識(shí)表示和共性特征（元知識(shí)）表示，其決定了給定問題是否能夠在合理的時(shí)間內(nèi)得到解決。定義表示層的本質(zhì)是對(duì)適應(yīng)廣泛應(yīng)用的行為和方法進(jìn)行高級(jí)抽象，將它們與特定的實(shí)現(xiàn)解耦。下面給出領(lǐng)域知識(shí)表示和共性特征表示的案例。

從現(xiàn)階段面向科學(xué)的人工智能研究看，對(duì)稱性的研究將成為表征學(xué)習(xí)的一個(gè)重要突破口，其原因在于物理上的守恒定律是由對(duì)稱性導(dǎo)致的（諾特定理），而守恒定律常被用來研究粒子的基本屬性和粒子之間的相互作用。物理上的對(duì)稱性是指在某種變換后或某種操作下的不變性，無法做出可辨別的測量（不可區(qū)分性）。基于多層感知機(jī)（MLP）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、圖神經(jīng)網(wǎng)絡(luò)（GNN）的小分子表征模型在有效加入對(duì)稱性之后，已經(jīng)廣泛應(yīng)用于蛋白質(zhì)、分子、晶體等物質(zhì)的結(jié)構(gòu)預(yù)測。

2004年，Colella向美國國防高級(jí)研究計(jì)劃局（DARPA）提出了科學(xué)計(jì)算的“七個(gè)小矮人”（Seven Dwarfs）——稠密線性代數(shù)、稀疏線性代數(shù)、結(jié)構(gòu)網(wǎng)格計(jì)算、非結(jié)構(gòu)網(wǎng)格計(jì)算、譜方法、粒子方法、蒙特卡洛模擬。其中，每一種科學(xué)計(jì)算問題，都代表了一種可以捕獲計(jì)算和數(shù)據(jù)移動(dòng)模式的計(jì)算方法。受此啟發(fā)，巴斯德實(shí)驗(yàn)室的Lavin等以類似方式定義了模擬智能中的9種基元（nine motifs of simulation intelligence）——多物理現(xiàn)象多尺度建模、代理建模仿真、基于模擬的推理、因果關(guān)系建模推理、基于主體的建模、概率編程、微分編程、開放式優(yōu)化、機(jī)器編程。這9種基元代表了互為補(bǔ)充的不同計(jì)算方法類型，為協(xié)同模擬和人工智能技術(shù)促進(jìn)科學(xué)發(fā)展奠定了基礎(chǔ)。面向傳統(tǒng)科學(xué)計(jì)算歸納的各個(gè)主題，曾為應(yīng)用于不同學(xué)科的數(shù)值方法（以及并行計(jì)算）的研發(fā)工作提供了明確的路線圖；面向模擬智能的各個(gè)主題同樣不局限于狹義的性能或程序代碼，而是激勵(lì)算法、編程語言、數(shù)據(jù)結(jié)構(gòu)和硬件方面的創(chuàng)新。

控制層

控制層承上啟下，在整個(gè)計(jì)算系統(tǒng)中起到連接和控制算法映射與硬件執(zhí)行的關(guān)鍵作用，在現(xiàn)代計(jì)算機(jī)系統(tǒng)中表現(xiàn)為系統(tǒng)軟件棧。本文僅討論和科學(xué)模擬相關(guān)的關(guān)鍵組件。模擬智能計(jì)算系統(tǒng)的控制層的變化主要來自2個(gè)方面：數(shù)值計(jì)算、大數(shù)據(jù)和人工智能的緊耦合；底層硬件技術(shù)可能發(fā)生的顛覆性變化。近年來，由于科學(xué)大數(shù)據(jù)的急劇增加，在科學(xué)模擬的數(shù)值計(jì)算階段，大數(shù)據(jù)軟件棧逐漸被超算系統(tǒng)領(lǐng)域所關(guān)注，只是相對(duì)于傳統(tǒng)的數(shù)值計(jì)算，大數(shù)據(jù)軟件棧是完全獨(dú)立的，在模擬流程上屬于不同的步驟。因此，基于2套系統(tǒng)的軟件棧是基本可行的。而在模擬智能階段，情況產(chǎn)生了根本上的變化。根據(jù)前文中所表示的問題解法描述公式y(tǒng)=F(f(x),A(x))，人工智能和大數(shù)據(jù)部分都是嵌入在數(shù)值計(jì)算內(nèi)的，這種結(jié)合是一個(gè)緊耦合的模擬過程，自然需要一個(gè)異質(zhì)融合的系統(tǒng)軟件棧。以DeePMD為例，該模型包含平移不變性的嵌入網(wǎng)絡(luò)、對(duì)稱性保持操作和擬合網(wǎng)絡(luò)3個(gè)模塊。鑒于體系的能量、受力等屬性不以人為定義改變（例如，便于測量或描述而賦予體系中各個(gè)原子的坐標(biāo)），接入擬合網(wǎng)絡(luò)進(jìn)行原子能量和受力的擬合，就能得到較高精度的擬合結(jié)果。再考慮模型的訓(xùn)練數(shù)據(jù)強(qiáng)依賴于第一性原理計(jì)算，整個(gè)流程是一個(gè)數(shù)值計(jì)算和深度學(xué)習(xí)緊耦合的過程。

因此，系統(tǒng)軟件在代碼生成和運(yùn)行時(shí)執(zhí)行過程中，將不再區(qū)分共性核函數(shù)的來源，即不再區(qū)分是否由傳統(tǒng)人工智能、傳統(tǒng)數(shù)值計(jì)算或根據(jù)特定問題進(jìn)行人工定制擴(kuò)展得來。相應(yīng)的，系統(tǒng)軟件一方面需要針對(duì)3類不同來源的共性核函數(shù)，提供易于擴(kuò)展和開發(fā)的編程接口。另一方面則需要對(duì)這3類函數(shù)，在代碼編譯方面和運(yùn)行時(shí)資源管理方面，兼顧并行效率和訪存局部性等性能保障；在面向不同粒度的計(jì)算任務(wù)時(shí)，能夠逐層進(jìn)行融合和協(xié)同優(yōu)化，發(fā)揮不同類型體系結(jié)構(gòu)處理器的最佳性能。

處理層

縱觀數(shù)值計(jì)算階段到模擬智能階段，一個(gè)驅(qū)動(dòng)技術(shù)發(fā)展的重要因素是當(dāng)前硬件技術(shù)無法滿足計(jì)算需求。因此，處理層設(shè)計(jì)首要問題是：表示層的變化（如對(duì)稱性、基元）會(huì)產(chǎn)生全新的硬件體系架構(gòu)嗎？它們是基于傳統(tǒng)專用集成電路（ASIC）實(shí)現(xiàn)，還是超越互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）——從高性能計(jì)算的發(fā)展路線圖來看，這也是未來Z級(jí)超算的硬件設(shè)計(jì)要考慮的核心問題。可以大膽預(yù)測，在2035年左右，Z級(jí)超算可能會(huì)出現(xiàn)。盡管基于性能和可靠性因素的考慮，那時(shí)CMOS平臺(tái)仍將占據(jù)主流，但一些核心組件將是建立在非CMOS工藝上的專用硬件。

摩爾定律雖然放緩但依然有效，要重點(diǎn)解決的關(guān)鍵難題是如何逼近摩爾定律的極限。換句話說，如何通過軟硬件協(xié)同設(shè)計(jì)的手段，將基于CMOS的硬件潛力充分挖掘出來。因?yàn)椋词乖谛阅軆?yōu)先級(jí)最高的超算領(lǐng)域，多數(shù)算法負(fù)載所獲得的實(shí)際性能僅僅只是硬件裸性能的極小部分。回顧超算領(lǐng)域早期發(fā)展階段，其基本設(shè)計(jì)哲學(xué)就是軟硬件協(xié)同。未來十幾年，微處理器迅速發(fā)展的“紅利”將耗盡，面向模擬智能的計(jì)算系統(tǒng)硬件架構(gòu)應(yīng)該回歸到從頭設(shè)計(jì)的軟硬件協(xié)同技術(shù)上。一個(gè)突出的例子是如前所述的分子動(dòng)力學(xué)模擬，Anton系列是一個(gè)從零開始設(shè)計(jì)的超級(jí)計(jì)算機(jī)家族，可以滿足大規(guī)模長時(shí)間尺度的分子動(dòng)力學(xué)模擬計(jì)算，而這也恰恰是對(duì)微觀世界探索的必要條件之一。然而，最新的Anton計(jì)算也只能對(duì)基于經(jīng)典力場模型實(shí)現(xiàn)20微秒的模擬，無法進(jìn)行第一性原理精度的長時(shí)間尺度模擬；然而，后者才能滿足多數(shù)實(shí)際應(yīng)用（如藥物設(shè)計(jì)等）需求。

最近，作為模擬智能的典型應(yīng)用，DeePMD模型在傳統(tǒng)大規(guī)模并行系統(tǒng)上的突破證明了其巨大的潛力。中國科學(xué)院計(jì)算技術(shù)研究所超算團(tuán)隊(duì)，已實(shí)現(xiàn)了170個(gè)原子的第一性原理精度分子動(dòng)力學(xué)的納秒級(jí)模擬。但是，長時(shí)間尺度模擬要求硬件架構(gòu)具有極高的可擴(kuò)展性，需要在運(yùn)算邏輯和通信操作上有極致的創(chuàng)新。本文認(rèn)為有2類技術(shù)可以預(yù)期能夠發(fā)揮關(guān)鍵作用：存算一體架構(gòu)，通過降低數(shù)據(jù)移動(dòng)的延遲來提高運(yùn)算效率；硅光互連技術(shù)，可以在高能效下提供大帶寬的通信能力，有助于提高并行性和數(shù)據(jù)規(guī)模。進(jìn)而，隨著對(duì)模擬智能應(yīng)用廣泛而深入的研究，相信未來將逐步形成科學(xué)模擬領(lǐng)域的“新浮點(diǎn)”運(yùn)算單元和指令集。

本文認(rèn)為，在科學(xué)模擬的現(xiàn)階段，尚處于模擬智能階段的早期，此時(shí)對(duì)模擬智能的使能技術(shù)展開研究至關(guān)重要。在一般科學(xué)研究中，獨(dú)立的概念、關(guān)系和行為可能是易理解的。但是，它們的組合行為會(huì)導(dǎo)致不可預(yù)測的結(jié)果。深入了解復(fù)雜系統(tǒng)的動(dòng)態(tài)行為，對(duì)于許多處理復(fù)雜挑戰(zhàn)性領(lǐng)域的研究人員來說是非常寶貴的。在面向模擬智能的計(jì)算系統(tǒng)設(shè)計(jì)中，一個(gè)必不可少的環(huán)節(jié)是跨學(xué)科合作，即領(lǐng)域科學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)與工程、建模與仿真等學(xué)科工作者之間的協(xié)作。這種跨學(xué)科合作會(huì)構(gòu)建更優(yōu)的模擬計(jì)算系統(tǒng)，形成更全面和整體的方法，去解決更加復(fù)雜的現(xiàn)實(shí)世界的科學(xué)挑戰(zhàn)。

（作者：譚光明、賈偉樂、王展、元國軍、邵恩、孫凝暉，中國科學(xué)院計(jì)算技術(shù)研究所。《中國科學(xué)院院刊》供稿）