邀请报告

包刚强，安世亚太科技股份有限公司，集团仿真首席专家、仿真研发总经理

计算力学专业，曾就职于中国空气动力研究与发展中心，三一重工上海研究院，日本Cybernet公司，德国CADFEM公司，2010年加入安世亚太，目前担任集团仿真首席专家，仿真研发总经理。 从事CAE行业技术应用与仿真咨询超过26年，并负责参与过较多的工业产品再设计与增材设计工作。具备18年以上专业仿真软件研发经验，开发过多款专用CAE软件研发和程序开发，从2019年起主持Pera Sim结构/流体/电磁/声学/多物理场通用CAE软件研发和开发工作。

报告题目：安世亚太AI4CAE产品及解决方案

报告摘要：报告分为八部分，分别是国外明星AICAE创企与老牌国际CAE公司得AI CAE产品和方案分享，PERA SIM AI ROM产品，PERA SIM 智能优化系列产品，PERA SIM PINNs与神经算子技术原型方案，PERA SIM 结构智能连接模块，PERA SIM 流体智能网格和收敛模块，PERA SIM 智能体底座和垂类行业智能体应用，物理AI及AI赋能CAE的成功项目案例分享。

陶佳欣，北京瑞风协同科技股份有限公司，产品经理

北京瑞风协同科技股份有限公司售前技术专家。主要从事装备数字化试验、虚拟试验、数字孪生及工业软件相关技术与工程应用工作，参与航空、兵器等领域多个科研院所的虚拟试验与数字化试验平台建设。

报告题目：面向装备研制的仿真与试验双向协同——关键技术与工程实践

报告摘要：AI 驱动下仿真与试验的深度协同，是工业软件领域的重要发展趋势。本报告重点介绍数字孪生试验系统（DTS）的关键技术及工程应用。一方面，采用 AI 与机理模型融合的方法，构建“仿真—试验”双向数据闭环，通过基于 CAE 仿真数据的代理模型构建、物理场降阶及试验数据校准，实现仿真指导试验、试验验证与修正仿真；另一方面，通过实时试验数据驱动仿真模型在线推演，实现数字孪生协同，支撑装备运行状态的实时评估，并为寿命预测提供模型与数据基础。该系统已应用于装备研制与生产中的试验验证环节。

陈帜，北京大学研究员、博士生导师

北京科学智能研究院副院长，临界航天创始人兼首席科学家。2017年获剑桥大学博士学位，获国家青年拔尖人才、国际燃烧学会Bernard Lewis奖、CCF超算最佳应用奖。主持国家自然科学基金重大类集成项目、重点项目及AI赋能工程科学专项项目，致力于人工智能、高性能计算与燃烧流体交叉研究，主导了DeepFlame开源平台，构建了航天领域首个火箭发动机全流程研发智能体平台。

报告题目：Prime一行：面向航天动力研发的AI原生工业软件

报告摘要：人工智能正推动工业软件从单点计算工具走向智能体协同的研发系统。本报告围绕AI原生的航天动力系统研发，介绍以大语言模型为基座、计算软件与实验仪器为工具、科研工作流为任务的智能体化科研思路。以“Prime一行”火箭发动机研发智能体平台为案例，展示“生成式设计—物理仿真—增材制造—试车验证”的闭环实践，以及液体火箭发动机缩比推力室的热试车验证。结合DeepFlame等仿真工具，讨论工业软件工具化封装、计算任务编排、跨环节数据贯通及实体试验反馈等关键问题，探讨高性能计算与智能体协同支撑工业研发全流程迭代的新路径。

李建欣，北京航空航天大学，研究生院常务副院长

计算机学院教授，国家杰青，工信部重点实验室主任，CCF青工委主任，人工智能学会理事和组织工委副主任等。研究方向为大数据计算、人工智能等，主持了2030新一代人工智能重大项目、国家科技支撑课题、NSFC联合重点基金、叶企松基金等，服务国家网信、公安等领域应用，在TPAMI、TKDE、TC、NeurIPS、KDD等发表论文百余篇，获AAAI 2021、IWQoS 2022、CIKM 2022最佳论文/提名奖等。曾获教育部、电子学会、公安部等多项省部级一等奖，首届祖冲之人工智能奖等。

报告题目：科学智算共性平台：迈向AI原生求解新范式

报告摘要：人工智能正引发科学计算与仿真的深度变革，OpenAI以上万智能体协同工作，Claude熟练驾驭Lean证明工具，相继突破NS千禧年问题、费马大定理等诺奖级挑战，有望拓展现代工业软件的数理边界，形成科学智算新范式。在这一浪潮下，AI求解能否做到"算得准、算得快、信得过"？科学智算是否存在自己的基础模型与Scaling law？智能求解又需要怎样的自主可控共性平台来承载？报告围绕这些问题，介绍人工智能科学计算共性平台的思考与实践：研发跨尺度、多物理场统一建模的求解基础模型，探索AI与经典数值方法协同的混合求解路线，在国产算力上构建开放开源的科学智算基础设施。成果已在国网、航天等领域开展应用。

陈云天，宁波东方理工大学，副教授

兼任上海交大计算机系博导。本科毕业于清华大学能源与动力工程系，同时获北京大学经济学双学位，博士提前毕业于北京大学工学院，并获优秀毕业生荣誉。鹏城实验室博士后。研究方向为科学机器学习，关注知识嵌入与知识发现，在Science、Science Advances、Nature Communications、Journal of Fluid Mechanics等顶尖期刊发表论文90余篇，一作或通讯60余篇。授权发明专利29项，主持国家重点研发计划课题和国家自然科学基金面上项目等15项。担任国际会议分会主席十余次。研究成果被美国科学促进会、参考消息、南华早报等国内外媒体广泛报道。入选中国科协青年人才托举工程，浙江省级青年人才。

报告题目：基于物理AI的空气动力学智能体与知识自动发现

报告摘要：本报告聚焦人工智能推动空气动力学研发范式变革，探讨如何以Physics AI为基础，将物理规律、数据驱动模型与智能决策有机融合，使复杂气动研发从依赖专家串联的传统流程走向自主感知、预测、优化与验证的智能闭环。报告结合典型空气动力学设计场景，介绍智能体在提升研发效率、降低高保真仿真成本和增强设计可信性方面的进展。进一步地，报告将简要讨论AI驱动的科学知识发现，通过从数据中自动提炼新的方程与物理规律，并将所发现的知识持续反哺智能体，形成“发现新知识—更新模型—提升能力”的循环，为空气动力学智能体的自我迭代与持续演化提供新的技术路径。

雷娜，大连理工大学，软件学院党委书记

大连理工大学软件学院、国际信息与软件学院党委书记，教授、博士生导师。研究方向主要聚焦于计算共形几何、计算拓扑、计算机数学算法及其在人工智能、计算机图形学、几何建模和医学图像中的应用。主持国家杰出青年科学基金、国家重点研发计划课题、国家自然科学基金重大项目课题、重点项目以及中央部委创新项目等。学术成果多次被菲尔兹奖获得者和美国科学院院士等在国际会议上介绍；获得的知识产权在工业界转化应用，应用单位评价所开发的软件“综合质量优于商业软件”。曾担任网格生成领域国际顶会IMR三十年来首位来自亚洲committee member。获得世界华人数学家大会最佳论文奖，辽宁省自然科学一等奖，八桂人工智能科学技术一等奖，辽宁省优秀研究生导师团队，兴辽英才计划领军人才等称号。

报告题目：人工智能驱动的网格生成: 方法、挑战与应用

报告摘要：本报告系统介绍人工智能在网格生成与拓扑建模中的研究进展与方法体系。围绕三维几何数据的表示与建模问题，报告从点云、网格及隐式表示等基础形式出发，梳理当前主流的人工智能技术路径，并分析其在复杂结构建模与自动化网格生成中的优势与局限。进一步地，报告将聚焦网格生成过程中涉及的关键问题，如拓扑一致性、几何质量控制以及大规模数据处理等，并结合典型应用场景探讨人工智能方法在实际问题中的应用潜力。最后，对智能网格方法在多模态建模、物理约束融合及大规模三维生成模型等方向的发展趋势进行展望，为相关领域研究提供参考。

刘娜，中物院高性能数值模拟软件中心，副研究员

中物院软件中心团队负责人。面向国家重大需求，长期从事高精度流体力学数值方法、流体CAE软件平台研制、冲击波效应与评估、智能计算方法等研究。主持国家自然基金委青年、面上项目、中物院院长基金，以及科技部、军科委、科工局、装发等项目十余项。在JCP、C&F、POF等期刊发表论文21篇，获专利1项，软著2项。在流体领域会议上作邀请报告6次。任北京计算数学学会理事会理事兼副秘书长，曾获“先进青年”、“优秀员工”等荣誉称号。

报告题目：复杂场景冲击波效应场超分辨重建方法

报告摘要：本报告面向复杂场景冲击波效应场快速、可信预测需求，构建了一种爆炸压力场超分辨重建方法，形成“高保真数据构建—物理先验提取—超分辨重建—物理域评价—工程应用”的技术体系。针对复杂边界条件下压力场几何与高频激波信息易丢失、传统高分辨率数值模拟计算成本高等问题，构建多工况、多网格尺度的爆炸压力场LR?HR数据集，提出异构通道感知与AMR激波感知超分辨方法，将压力梯度、AMR加密掩码等物理先验融入深度网络，通过多尺度特征融合、通道注意力、小波变换及幅值—频率—物理复合损失，实现冲击波前沿、近壁反射区及局部高频细节的精准重建。并进一步应用于典型复杂场景冲击波效应场超分辨预测，实现多倍率快速重建与可信评估，单工况计算成本从传统数值方法的3000核时降至分钟级，为冲击波效应快速评估和辅助决策提供技术支撑。

贾晓红，中国科学院数学与系统科学研究院，研究员

中国科学院数学与系统科学研究院研究员。研究方向为计算几何。国家杰出青年基金、优秀青年基金获得者。两次主持国家重点研发计划项目，主持基金委重大项目课题、中科院战略先导B类专项项目。曾获中创软件人才奖、CSIAM应用数学成果落地认证、华夏建设科学技术一等奖。

报告题目：AI4CAD —— 探寻几何内核的机遇与约束

报告摘要：计算机辅助设计（CAD）软件是工业软件的最重要门类之一，几何内核是CAD软件中汇聚几何理论和算法的核心组件。几何内核中的曲面求交、布尔运算、过渡、补洞、几何约束求解、参数化建模等一系列几何处理功能对于计算精度、计算稳定性、拓扑正确性有极高的工业级要求。AI辅助CAD的涌现是否可以取代几何内核？本报告将探讨AI4CAD在几何内核研发中的机遇与约束，并介绍本课题组自主几何内核CASGEO的研发情况。

季向阳，清华大学，教授

清华大学自动化系教授、脑与认知科学研究所所长，主要研究方向为人工智能、机器视觉等。获国家杰出青年科学基金，国家万人计划领军人才，中国青年科技奖等学术荣誉；任中国图像图形学会常务理事、人工智能学会深度学习专委会主任、全国信息技术标准化技术委员会计算机视觉组组长等职务。近年来发表Nature子刊、IEEE Trans. TPAMI、IJCV、NIPS、ICML、CVPR、ICCV等SCI/EI论文100余篇；授权国家发明专利40余项，国际发明专利10项，获得第 70 届纽伦堡国际发明金奖 2 项、2022年日内瓦国际发明展金奖；课题组曾在机器视觉领域国际比赛中获得40余项比赛冠军。获2023年国家技术发明二等奖、2019年国家科技进步二等奖等科技奖励。

报告题目：格悟：人工智能赋能科研底座

报告摘要：本次汇报聚焦人工智能赋能科研创新，主要从方案生成、计算仿真、无人试验三大核心环节展开。针对传统科研周期长、成本高、风险大、精度有限等痛点，我们依托AI技术重构科研全流程。在方案生成上，借助大模型智能推理和数据分析能力，快速优化技术路线与方案预案，突破人工设计局限，提升方案科学性与落地性。在计算仿真上，通过智能算法与动态算力调度，在多变量、强耦合、复杂工况场景，大幅提升仿真精度与迭代效率，为参数优化提供精准数据支撑。在无人试验上，依托智能控制与机器视觉技术，实现试验全程自动化、无人化，适配高危长周期试验场景，规避人工风险与操作误差。整体而言，人工智能有效提升科研效率、降低研发成本，推动科研工作向数字化、智能化、自主化转型升级，为科技创新提供全新赋能。

李宇轩，面壁智能科技股份有限公司，面壁智能技术合伙人、智能进化首席科学家

清华大学计算机博士、水木学者博士后，高性能计算方向。曾为国家超算无锡中心核心技术负责人，参与九章光量子计算机算法研发，成果发表于《Science》，超算赛事多次斩获世界冠军。曾创业牵头搭建国产AI芯片算力底座，MiniCPM系列模型共同一作。现主导智能进化实验室，聚焦大模型自进化技术研发，发表三十余篇国际论文，获多项行业荣誉。

报告题目：Forge Engineering：高性能计算软件进入按需定制时代

报告摘要：随着 Scaling Law 与 Densing Law 推进，前沿模型能力持续增强，取得同等能力的成本持续下降，算子与应用的编写主体从人转向智能体。AI 编码速度较人提升百倍量级，可在给定预算内为每个需求搜索更大的方案空间，生成深度定制、垂直整合的实现，相对已有大量研究的最优人工实现仍有 10%?50% 收益。定制化带来三点收益：每种硬件配置单独生成实现，不再用一份通用代码迁就所有形态；量化、算子融合、内存分层、互联传输四层联合调优，而不是各层单独最优再加总；可以尝试多出几个数量级的方案，能搜到更深的设计空间。本报告以 Forge 系列为例说明该范式的特征与可行性。