新兴高性能计算行业应用及发展战略
|
|
传统高性能计算应用的数据驱动新方法获得成功实践
石油勘探领域新方法。新兴的海量地震数据采集对地震数据处理、解释、建模等工作提出了极高的挑战，大规模数据处理理论与技术研究成为当前的研究热点。人工智能在石油勘探的应用研究主要分为3 类：解释、预处理、反演。①地震数据解释是较早发展 AI 方法的领域，以 AI 代替人机交互为目的，解决大规模数据解释。传统地震解释属于人为工作，需要大量工作人员与专家参与。②数据预处理以提高地震信号质量为目的，如数据重建、噪音压制、滤波等。传统预处理多利用积分变换方法，多存在常见的不理想现象。新兴的 AI 方法能够取得更好的预处理效果。③全波型反演是近期的研究热点，其迭代收敛导致计算量大幅度上升，且信号噪音的存在导致出现局部极小值收敛的问题。基于 AI 方法的反演成像，取得了一定进展。然而，AI 技术的应用对数据存储和计算资源也提出更高要求。
气象预报领域新方法。数值预报是高性能计算的传统应用领域，几乎在任一时期，数值天气预报系统都使用了当时最快速的高性能计算机。AI 在天气预报领域的应用有较长历史。当前，AI 技术在天气和气候领域中的应用研究主要包括：观测数据质量控制、卫星数据反演及数值模式资料同化、数值模式参数化及后处理、天气系统识别、极端和灾害性天气预报、短时临近预报、台风海洋天气预报、气候分析和预测、环境污染相关预报、可再生能源相关的预报等。2013 年，Earth Risk 发布的 TempRisk Apollo 40 天的气温概率预报模式，利用深度学习方法填补了传统的数值天气预报 15—30 天之间的延伸期预报空白。2016 年，IBM 通过收购 The Weather Company（天气公司），实现 0．2—1．2 英里小尺度超局地天气的准确预报，精准服务于运输公司、公共事业单位甚至是零售商。2017年，中国气象局联合天津大学共同研发的全国强对流服务产品加工系统，运用图像识别和深度学习等新技术，判断出未来 30 分钟内强对流天气发生和影响的区域，并发布空间分辨率为 1 公里，每 6 分钟滚动更新的预测产品。然而，仅基于图像识别和深度学习的预报方法无法涵盖天气过程发生的物理基础，仍然无法取代传统数值模式预报。未来，随着计算能力提升和 AI 方法的进步，气象预报领域应用是否能有新的突破，值得气象学者与计算机学者共同协作，进一步探索。