近年来，科学计算在航空航天工程中扮演着至关重要的角色，深刻影响着设计周期、制造成本以及飞行安全等多个方面。在此背景下，浙江大学鲲鹏昇腾科教创新卓越中心依托双算力平台，在科学计算领域取得两项重要突破：航空航天学院夏一帆研究员团队基于昇腾ai平台，成功研发出用于微分方程求解与流场预测的新隐式神经网络算法；张继发副教授团队则基于鲲鹏平台，开发出高效能可变形飞行器流动机理仿真软件。这两项成果分别从算法创新与工程应用层面，为航空航天领域的科研与实践注入了强劲动力。
基于昇腾平台的新隐式神经网络算法实现微分方程求解新突破
在偏微分方程求解与流场预测领域，传统方法常面临计算复杂、迭代频繁、资源消耗大等挑战。针对这一难题，夏一帆团队提出的新隐式神经网络算法，依托MindSpore AI框架的分布式并行能力，实现了对大规模数据模型的高效训练。该算法凭借强大的非线性拟合能力，结合物理规律嵌入的网络结构设计，在微分方程求解和复杂流场预测中展现出卓越性能。
该算法已在常微分方程（ODE）、对流方程（Advection）、Burgers方程和扩散方程（Diffusion）等多个经典基准问题上完成验证，并已开发出可直接部署的求解器工具。借助昇腾异构计算架构CANN提供的高性能算子开发接口（AscendCL），团队对核心计算模块进行了深度优化，通过算法与昇腾硬件的协同设计，充分发挥了硬件的并行计算优势，显著提升了训练与推理效率。
实测结果显示，该算法在多个验证案例中的求解精度（如L2相对误差）相比传统有限差分法平均提升超过10%，同时在精度上优于Pi-DeepONet、MAD等先进神经网络求解器，且相较于HyperPinn模型，在保持高精度的同时大幅降低了模型参数量与计算复杂度。
目前，基于该算法构建的无网格降阶模型已成功应用于航空航天复杂物理场的精细分析，为飞行器气动设计与性能优化提供了关键数据支持。
基于鲲鹏平台的仿真软件实现可变形飞行器流动机理高效模拟
张继发团队则聚焦可变形飞行器的流动机理研究，基于鲲鹏计算平台成功开发出高效能仿真软件。该软件集成了Loci编程框架与flowpsi流体力学求解器，实现了自动并行化计算，显著提升了仿真效率与稳定性。
Loci作为专为物理模拟设计的编程框架，能够自动完成任务拆分、处理器调度与数据传输，极大简化了复杂仿真软件的开发流程。鲲鹏处理器凭借其多核架构、高内存带宽与低访问延迟等优势，为Loci框架的自动并行机制提供了强大算力支撑，保障了大规模计算任务的高效执行。
flowpsi作为Loci框架下的核心流体求解器，主要用于处理高速流动与复杂液体运动等高难度计算场景。在鲲鹏应用使能套件BoostKit的支持下，团队通过指令集优化（如SIMD）、内存管理优化及计算内核融合等技术手段，对flowpsi进行了深度性能调优。测试表明，仿真软件整体运行速度提升30%至50%，计算精度误差控制在5%以内。
目前，该仿真软件已广泛应用于非定常可变形飞行器的数值模拟，为飞行器的气动外形设计与动态性能预测提供了关键预示数据，并服务于国家航天领域的科研院所。
这两项突破性成果充分体现了浙江大学鲲鹏昇腾科教创新卓越中心在“算力+算法”融合创新方面的领先实力。作为浙江大学与华为深度合作的重要平台，中心通过构建高效的科研算力环境，不仅推动了科学计算技术的进步，更以产学研协同模式加速了前沿科技的转化落地，为未来更多尖端领域的科研探索奠定了坚实基础。
