近年来，科学计算对于航空航天工程的设计周期、制造成本、飞行安全等方面发挥着关键作用。在此背景下，浙江大学 鲲鹏昇腾科教创新卓越中心基于双算力在科学计算领域实现重要突破——浙江大学航空航天学院研究员夏一帆团队基于昇腾平台，成功研发出用于微分方程求解和流场预测的新隐式神经网络算法；浙江大学航空航天学院副教授张继发团队基于鲲鹏平台，成功开发了高效能可变形飞行器流动机理仿真软件，两项成果分别从算法和应用层面为航空航天领域注入强劲动力。
基于昇腾AI平台的隐式神经网络在偏微分方程求解中取得重要进展
偏微分方程求解和流场预测领域面临着复杂且反复迭代的计算，往往需要耗费大量的人力和计算资源。夏一帆团队研发的新隐式神经网络算法基于MindSpore AI框架的分布式并行能力，可高效训练庞大数据集模型，其强大的非线性拟合能力和融合物理约束的网络结构，在微分方程求解和流场预测场景中发挥了关键作用。这一成果已在 ODE、Advection、Burgers 和 Diffusion 等经典基准方程上得到验证，并开发出了可直接应用的求解器。
依托昇腾异构计算架构CANN提供的高性能算子开发能力（AscendCL），对核心计算模块进行了深度优化，通过算法与昇腾硬件架构的协同设计，实现了关键算子的高效执行，充分释放了硬件的并行计算潜力，显著提升了新隐式神经网络算法的训练与推理效率。经验证，该算法在验证算例上的求解精度（如L2相对误差） 相比传统有限差分法平均提升10%以上，且相比Pi-DeepONet、MAD等先进神经网络求解器精度提升10%以上，且相比 HyperPinn 显著降低了模型参数量/计算复杂度。
目前，基于新隐式神经网络算法构建的复杂物理场无网格降阶模型，已应用于航空航天流场精细分析，为飞行器研制提供关键数据。
基于鲲鹏平台实现高效能的可变形飞行器流动机理仿真软件的开发
张继发团队基于鲲鹏技术路线，实现了高效能的可变形飞行器流动机理仿真软件的开发，其中Loci和flowpsi作为计算流体力学的关键技术可以进行自动并行化计算，在仿真软件的高效运行中发挥了重要作用。
Loci 作为专门用于物理领域计算模拟的编程框架，可以将计算任务的拆分、不同处理器调度的分配及数据的传输实现高度自动化，很大程度地简化了软件的开发过程。期间，鲲鹏处理器的多核算力、高内存带宽和低内存访问延迟等能力为Loci提供了强大的算力引擎，赋能其自动并行过程的高效运转。而 flowpsi 作为 Loci 框架下的流体力学计算求解器，主要用于解决高速流体流动或液体复杂运动的高难度计算场景。在鲲鹏应用使能套件BoostKit的支持下，通过针对鲲鹏架构的指令集优化（如SIMD优化）、内存管理优化、计算内核融合等技术，flowpsi显著提升了计算效率，进而提升了软件的运行速度。测试结果显示，仿真软件运行速度提升 30%-50%，同时计算精度误差控制在 5% 以内。目前已应用于航空航天领域非定常可变形飞行器数值模拟仿真，为飞行器研制和开发提供关键预示数据，并服务于国家航天科研院所。
这两项突破性成果，集中展现了浙江大学 鲲鹏昇腾科教创新卓越中心在“算力+算法”融合创新中的重大价值。作为浙江大学与华为协同攻关的重要载体，中心通过搭建高效的科研平台，不仅为科学计算领域提供了创新助力，更以产学研融合的实践证明了平台对突破前沿科技技术瓶颈的关键价值，为未来更多尖端领域的科研探索筑牢了基础。
