近年來，科學計算對于航空航天工程的設計周期、制造成本、飛行安全等方面發揮著關鍵作用。在此背景下，浙江大學 鯤鵬昇騰科教創新卓越中心基于雙算力在科學計算領域實現重要突破——浙江大學航空航天學院研究員夏一帆團隊基于昇騰平臺，成功研發出用于微分方程求解和流場預測的新隱式神經網絡算法；浙江大學航空航天學院副教授張繼發團隊基于鯤鵬平臺，成功開發了高效能可變形飛行器流動機理仿真軟件，兩項成果分別從算法和應用層面為航空航天領域注入強勁動力。

基于昇騰AI平臺的隱式神經網絡在偏微分方程求解中取得重要進展

偏微分方程求解和流場預測領域面臨著復雜且反復迭代的計算，往往需要耗費大量的人力和計算資源。夏一帆團隊研發的新隱式神經網絡算法基于MindSpore AI框架的分布式并行能力，可高效訓練龐大數據集模型，其強大的非線性擬合能力和融合物理約束的網絡結構，在微分方程求解和流場預測場景中發揮了關鍵作用。這一成果已在 ODE、Advection、Burgers 和 Diffusion 等經典基準方程上得到驗證，并開發出了可直接應用的求解器。

依托昇騰異構計算架構CANN提供的高性能算子開發能力（AscendCL），對核心計算模塊進行了深度優化，通過算法與昇騰硬件架構的協同設計，實現了關鍵算子的高效執行，充分釋放了硬件的并行計算潛力，顯著提升了新隱式神經網絡算法的訓練與推理效率。經驗證，該算法在驗證算例上的求解精度（如L2相對誤差） 相比傳統有限差分法平均提升10%以上，且相比Pi-DeepONet、MAD等先進神經網絡求解器精度提升10%以上，且相比 HyperPinn 顯著降低了模型參數量/計算復雜度。

目前，基于新隱式神經網絡算法構建的復雜物理場無網格降階模型，已應用于航空航天流場精細分析，為飛行器研制提供關鍵數據。

基于鯤鵬平臺實現高效能的可變形飛行器流動機理仿真軟件的開發

張繼發團隊基于鯤鵬技術路線，實現了高效能的可變形飛行器流動機理仿真軟件的開發，其中Loci和flowpsi作為計算流體力學的關鍵技術可以進行自動并行化計算，在仿真軟件的高效運行中發揮了重要作用。

Loci 作為專門用于物理領域計算模擬的編程框架，可以將計算任務的拆分、不同處理器調度的分配及數據的傳輸實現高度自動化，很大程度地簡化了軟件的開發過程。期間，鯤鵬處理器的多核算力、高內存帶寬和低內存訪問延遲等能力為Loci提供了強大的算力引擎，賦能其自動并行過程的高效運轉。而 flowpsi 作為 Loci 框架下的流體力學計算求解器，主要用于解決高速流體流動或液體復雜運動的高難度計算場景。在鯤鵬應用使能套件BoostKit的支持下，通過針對鯤鵬架構的指令集優化（如SIMD優化）、內存管理優化、計算內核融合等技術，flowpsi顯著提升了計算效率，進而提升了軟件的運行速度。測試結果顯示，仿真軟件運行速度提升 30%-50%，同時計算精度誤差控制在 5% 以內。目前已應用于航空航天領域非定常可變形飛行器數值模擬仿真，為飛行器研制和開發提供關鍵預示數據，并服務于國家航天科研院所。

這兩項突破性成果，集中展現了浙江大學 鯤鵬昇騰科教創新卓越中心在“算力+算法”融合創新中的重大價值。作為浙江大學與華為協同攻關的重要載體，中心通過搭建高效的科研平臺，不僅為科學計算領域提供了創新助力，更以產學研融合的實踐證明了平臺對突破前沿科技技術瓶頸的關鍵價值，為未來更多尖端領域的科研探索筑牢了基礎。