2025年CSIAM应用数学落地成果认证名单

项目名称：国产高性能计算库与标准建设

主要完成人：杨超、陈军、何源宏、贾梦珠

摘要：算力作为数字时代的核心战略资源，已成为大国科技博弈的制高点。在高端芯片领域，我国不仅硬件工艺受限，而且面临“性能瓶颈”和“生态孤岛”的双重困局。依托北京大学应用数学和交叉学科的创新基础，北京大学长沙计算与数字经济研究院组织队伍开展科技攻关，通过自主研发国产高性能计算库与构建软件生态评估标准，走出了一条“性能突破-生态建设-应用落地”的破局路径。

国产芯片“性能瓶颈”问题的核心在于算法与硬件之间的匹配鸿沟。团队与国产GPU上市公司景嘉微成立先进计算联合实验室，使其某芯片实现五倍至四十余倍的性能提升，对标国际竞品性能从20%提升到90%以上，提前完成国产替代。国产算力“生态孤岛”问题则源于底层标准的缺失，导致软硬件适配难度高、生态碎片化。团队构建了统一的接口标准，系统性解决了国产芯片软硬件适配的复杂映射问题，有效降低了硬件适配成本和应用推广难度。团队牵头研制并发布了全球首个AI算子接口领域的国际标准，已在百度、华为、寒武纪等30余家国内机构应用，填补了该领域的国际空白。

面向未来，团队将继续围绕我国在多元算力时代面临的重大战略需求，持续发力高性能基础算法和底层软件根技术创新，为国家科技自立自强提供有力支撑。

项目名称：面向算力底座的计算优化创新方法研究

主要完成人：黄忠亿、吴昊

摘要：算力底座作为支撑数字经济与人工智能发展的国家战略基础设施，需要解决超大规模集群组网优化、高并发存储性能与数据安全、大模型训推需求与算力资源适配等方面的挑战。本团队与华为中央研究院的联合研究聚焦计算存储系统软硬件协同优化技术，为提升算力的底座自主可控能力提供了坚实的理论支撑。主要创新成果包括：

1.大规模集群组网优化。利用容量约束最优输运建模，设计双正则迭代算法，结合Fast Sinkhorn算法高效求解。实现了网络拓扑建模的高效、准确寻优，成功支撑了某架构拓扑收敛。

2.存储性能突破。融合代数模理论与缩短码技术，解决Reed-Solomon码快速译码领域四十多年的公开问题。结合稀疏算子优化与混合并行向量索引技术，显著提升了某计算存储系统的性能和可靠性。

3.大模型训推加速。提出自适应低比特训练方案，保持精度同时提升训练速度；开发高稀疏推理方案，实现精度无损加速。

产出落地成果4项，不仅完美适配某环境，更为下一代系统的设计和优化提供了有力支撑。其中“Reed-Solomon码快速译码技术”刊登在《华为投资控股有限公司2024年年度报告》。团队获7项华为“难题揭榜”火花奖，2022年获理论研究部“最佳合作伙伴奖”，2024年获中央研究院“最佳合作团队成果奖”。

项目名称：面向几何引擎的曲面求交方法与软件

主要完成人：贾晓红、严冬明、李凯、杨婕吟、张森、康家锐

摘要：几何引擎是设计研发类工业软件CAD\CAE\CAM的共同几何基座，也是一个CAD系统中汇聚核心理论和关键技术的“心脏”和“发动机”。 曲面求交是几何引擎的核心技术壁垒之一，其拓扑稳定性是制约整个CAD系统稳定性的重要因素。曲面求交的精度也是波音首席科学家D. Furguson提出的“CAD十大挑战”中模型水密性问题的主要成因。

中国科学院数学院贾晓红研究员团队在几何引擎的曲面求交方面取得多项理论和技术成果，突破了参数曲面保拓扑求交、NURBS样条曲面自交判定和求解、CAD复杂实体模型的布尔运算等核心算法的计算精度和效率瓶颈，特别对小环、奇点、重面等挑战性拓扑的计算稳定性具有优势。相关研究成果发表于ACM Siggraph、ACM Transactions on Graphics等处。

该团队基于以上成果研发了自主产权的三维几何内核库CASGEO，涵盖从平面草图约束求解到求交、拟合、网格化、布尔运算等系列三维曲线曲面造型全流程建模功能。其中的曲面求交库集成在我国建筑CAD龙头企业广联达的自主建筑BIM引擎中，对多家CAD相关重要企业进行了技术授权。项目成果有效解决了国产CAD系统在求交—裁剪—布尔运算的造型过程中在挑战性拓扑上容易产生分支丢失、分支跃迁、分支轨迹计算错误的问题，有效提升了实体造型功能的计算稳定性。

项目名称：高性能分子动力学模拟器“微著·NanoTitan”

主要完成人：金石、徐振礼、赵腾

摘要：分子动力学(MD)通过求解牛顿运动方程，是微纳体系的主流模拟工具，广泛应用于材料、生物等领域。长程相互作用算法的是MD的计算瓶颈。主流的MD软件使用基于快速傅里叶变换(FFT)的PPPM、PME算法，整体计算复杂度为O(NlogN)。在多核并行计算中，FFT由于通讯密集面临可扩展性瓶颈。另外，短程作用的计算需构建邻居列表，在大规模计算中占用大量内存，进一步降低模拟效率。针对上述挑战，申请团队受深度学习中随机梯度下降方法的启发，提出了 “随机分批”方法(RBM)，将计算复杂度降低到O(N)。对于长程作用，随机分批Ewald(RBE)算法通过重要性采样避免使用FFT，展现出了超级可扩展性。对于短程作用，随机分批链表(RBL)算法利用“核-壳”结构显著降低计算负载与内存需求。同时为了克服长程势函数挑战，提出了高斯和神经网络。相关成果获得了上海市自然科学一等奖等。依托上海交通大学重庆人工智能研究院，团队开发了具有自主知识产权的RBMD模拟软件，并与中科曙光合作推出专用模拟器“微著·NanoTitan”。通过集成RBMD与国产异构芯片，有效提升了大规模粒子模拟中的软硬件协同加速。微著·NanoTitan对比主流软件在速度上提升1-2个数量级，突破性地在GPU单卡上实现千万全原子体系模拟，并应用于锂电材料等前沿研究，助力AI for Science。

项目名称：基于人工智能科学计算的电池储能系统调控关键技术及应用

主要完成人：宋洁、王剑晓、何冠楠、高锋、王文婷、顾吉鹏、任卫凯

摘要：电池储能是平抑高比例新能源波动、保障智能电网能量平衡的关键技术之一，储能安全仍是制约电池技术产业发展的核心瓶颈。电池多物理场数值计算对于其安全能量管理、材料设计、工艺优化等具有重要意义，然而电池电化学-扩散-热传导等多场耦合微分方程求解仍面临模型阶数高、计算代价大等难题，此外高阶模型难以直接嵌入智能电网的协同优化，已成为储能系统安全并网的重大挑战。

人工智能科学计算正在重塑科学研究底层逻辑，从“假设驱动”转向“数据驱动”，突破电池多物理场机理与数据驱动融合的降阶建模技术，有望为提升电池储能系统数值仿真计算效率提供全新范式。

针对上述挑战，北京大学工学院、北京大学大数据分析与应用技术国家工程实验室、北京大学鄂尔多斯能源研究院联合团队在人工智能科学计算与电池储能系统调控的交叉研究领域中取得了一系列创新成果与应用，研发了电池储能降阶建模、储能电站分布式调控、储能并网云边协同等关键技术，大幅降低多物理场计算模型复杂度，显著提升电池能量管理与并网协同优化效率。相关成果发表于Nature子刊等国际著名期刊，曾获日内瓦国际发明金奖2项，与国家电网公司、中国南方电网、国家能源集团、三峡集团等能源领域龙头企业开展长期合作和示范应用。