CHHC 2024: 数字赋能“智”水有方
吴慧欣 华北水利水电大学 | 宋霄罡 西安理工大学 |
治国先治水,水利关系国计民生,在国家发展全局中具有基础性、战略性、先导性作用。当前,我国水利发展面临着新形势、新任务、新机遇,智慧水利已成为推动水利高质量发展的新引擎。本次论坛聚焦于数字赋能水利行业的发展新方向,面向水安全、水资源、水环境、水生态管理等领域,融合人工智能、数字孪生等前沿技术,实现对江河水库及水网建设等的可视化展示、智能化模拟和前瞻性预演,逐步向全面智能化、智慧化发展阶段迈进。
主题1:《高效求解离散优化问题的坐标下降法》,主讲嘉宾:聂飞平,西北工业大学教授,国家领军人才
主题2:《生成式AI驱动的个性化科学教育》,主讲嘉宾:王元卓,CCF科学普及工作委员会主任、杰出会员、中国科学院计算技术研究所研究员
主题3:《从生态保护与高质量发展看黄河上游水沙调控策略》,主讲嘉宾:白涛,国家高层次人才特殊支持计划青年拔尖人才、国务院政府特殊津贴专家评委,中国自然资源学会水资源专业委员会委员、北京水利学会理事/水文水资源专业委员会副主任
主题4:《垂直领域大模型构建从工业互联网安全成熟度模型看安全“智能化”》,主讲嘉宾:任飞亮,东北大学副教授
主题5:《谈数字孪生水利之小模型实践与大模型萌动》,主讲嘉宾:寇怀忠,河南省人大常委、黄河水利委员会信息中心副主任
主题6:《新形势下黄河流域分水方案优化与应用实践》,主讲嘉宾:严登明,黄河勘测规划设计研究院有限公司战略所副所长
西北工业大学教授、博士生导师,国家万人计划领军人才。主要研究兴趣为机器学习理论和方法,并用来解决实际应用问题。在相关领域发表系列论文,其中在中科院一区或CCF A类期刊会议上发表第一或通讯作者论文200余篇,TPAMI论文(影响因子24.3)超过20篇。论文已被引用4万余次,H指数103,单篇最高被引用2000余次。入选科睿唯安“全球高被引科学家”,爱思唯尔“中国高被引学者”,Guide2Research“全球顶尖计算机科学家”,清华大学“人工智能全球最具影响力学者”等榜单。
设计一个好的模型和好的优化方法对于机器学习任务来说都很重要。聚类和特征选择作为机器学习领域中两种十分重要的任务,相关研究受到广泛关注。在本报告中,将介绍一种快速的坐标下降法,并将其用于求解聚类和特征选择任务中涉及的离散优化问题。在聚类任务中,k-means和谱聚类作为两种十分流行的聚类模型,存在紧密联系。对于k-means模型,相比原始的Lloyd优化方法,这种坐标下降法能够找到更好的解,收敛更快,对初始化更鲁棒,而且在求解过程中一定不会产生空类。对于谱聚类模型,这种坐标下降法可以直接求解原始优化问题,不需要松弛和离散这两个步骤,因此可以得到更好的解,并且计算复杂度更低。在特征选择任务中涉及的由L20范数约束的行稀疏优化问题中,相比原始的IPU方法,这种坐标下降优化方法能够在保持与原算法相同计算复杂度的前提下,不依赖于任何特定的数据结构假设,并且能够找到更好的解。
博士,中国科学院计算技术研究所研究员,博士生导师,大数据分析系统国家工程研究中心副主任。中国计算机学会科学普及工作委员会主任,中国科普作家协会副理事长。主要感兴趣方向:大数据分析、知识图谱、个性化问答等,主持了20余项国家级科研项目,发表论文260余篇,获授权发明专利100余项,出版学术专著5部,科普专著6部。曾获国家科技进步二等奖,北京市科技进步二等奖2项、河南省科技进步二等奖,和6项一级学会科技进步奖。2019年入选中国“十大科学传播人物”,2020年、2022年两次入选“最美科技工作者”,2021年入选“中国产学研合作创新奖”。
报告介绍通用人工智能和生成式人工智能,并结合ChatGPT和Sora的发展和应用分析生成式人工智能的特点和面临的挑战,然后,针对当前科学教育面临的难点问题,介绍生成式人工智能在个性化科学教育方面的研究框架,主要进展和应用场景案例,并总结未来发展趋势。
西安理工大学博士、教授(三级)、博士生导师。入选国家级青年人才,新疆维吾尔自治区智力援疆拓展人才计划团队负责人、青海省“青洽会”特聘专家、陕西省秦岭生态环保“青年学者”。兼任中非水协青年委员会第一届委员、中国自然资源学会水资源专委会委员、北京水利学会理事/水资源专委会副主任、陕西省水力发电与新能源工程学会能源产业规划专委会副主任。主要从事水资源系统工程、河道水动力模拟、旱区生态保护修复与调控等方面的研究。主持国家重点研发计划课题、面上基金等国家级项目7项,获省部级科技奖励5项,发表学术论文120余篇,授权发明专利12项,主编专著教材7部。指导学生获中国国际“互联网+”大学生创新创业大赛等全国竞赛银奖2项、“挑战杯”陕西省大学生课外学术科技作品竞赛等省级金奖5项。
水少沙多、水沙异源、 水沙关系不协调是黄河流域复杂难治的根本症结。黄河全流域的水沙调控是调节水沙关系、保障黄河长治久安、支撑流域高质量发展、服务国家发展战略的关键。黄河上游水沙调控实践起步晚,干支流发育的新悬河增加了防洪难度,小水致大灾、洪凌灾害频发,成为研究黄河水沙调控的焦点,其长距离、大规模、多目标、变尺度等复杂特征,加大了黄河上游水沙调控研究的难度。本研究从厘清上游泥沙来源、明确调控临界阈值入手,在技术上时空耦合了水库群多目标调度、河道洪水演进和断面输沙量模型,揭示了多目标的效能转化规律,量化了区间的水沙调控效果,提出了以“固”为主、“调”为辅的“固-拦-调-放-挖”的黄河上游未来治沙的综合对策,为黄河上游的生态保护与高质量发展提供了技术支撑。
东北大学副教授、博士生导师、计算机科学系主任、剑桥大学访问学者,中文信息学会语言与知识计算专业委员会委员。主要研究方向包括:智能问答、知识图谱构建、会话生成等。多次带领研究团队参加由由中国中文信息学会、中国计算机学会、百度等举办的智能问答、知识图谱构建等相关评测,均取得前5名的成绩。2023年6月带领研究团队成功研发大语言模型TechGPT,并于2023年11月完成在纯国产软硬件平台的适配与升级迭代。TechGPT是国内最早一批以高性能“知识图谱构建”与“智能问答”为主要研发目标的大语言模型,具有较强的文本语意理解能力和逻辑推理能力。该大语言模型成果被新华社、财联社、凤凰网、钛媒体等多家权威媒体报道,受到辽宁省和沈阳市科技主管部门的认可,获评“辽宁省人工智能标杆应用场景”、“沈阳市人工智能示范应用场景”等称号。目前,TechGPT已成功在多个项目中应用落地。
本报告将依据研究小组在构建TechGPT大模型过程中完成的各项实验结果,从数据准备、模型训练、实用经验等角度探讨如何高效地构建面向某一特定行业的垂直领域大模型。之后,将进一步根据研究小组积累的大模型构建经验、以及落地经验,对当前大模型的研发现状、面临的挑战、以及发展趋势等问题进行分析与探讨。
博士,二级正高,中国计算机学会信息系统专委会专家、水利部数字孪生流域建设先行先试责任专家、水利部数字孪生流域重点实验室学术委员会专家、水利部水利标准化专家、黄河水利委员会科技委专家等;多个重要专业期刊审稿专家;上海市水务局科学技术委员会数字化及智慧水务专业委员会副主任。长期从事治黄信息化技术研究和管理工作,曾担任10年“数字黄河工程”办公室主任,同时指导相关高校研究生的研究工作。目前,重点研究大数据、人工智能与数字孪生技术及其在水利现代化中的应用。
自数字孪生的概念引入到水利行业两三年以来,数字孪生水利作为智慧水利的核心在水利的各领域和各层级都带来了冲击效果,从而在数字化、网络化、智能化三个维度同步牵引水利现代化管理工作向前迈出了坚实一步。其中,模型技术的研究和应用对于提升智能化是核心,这涉及到水科学范畴流行的模型,也涉及到AI小模型,或许也涉及当今十分火热的AI大模型。2024年水利重点工作已经提出要推动人工智能大模型算法落地应用。本报告,首先分析了水利业务特色的几个突出问题及其特征,然后枚举并分析了水利兴利除害实践中部分常用模型及其相关问题,特别关注了AI小模型已有的应用情景,接下来介绍了当下AI大模型的主流框架和技术特征,并对其在水利行业的落地应用展开探讨和分析。
高级工程师,黄河勘测规划设计研究院有限公司战略前沿所副所长,长期致力于生态水文、水资源配置以及规划研究10余年,坚持科学研究与工程实践并重,先后主持或参与国家重点研发计划项目、国家自然基金项目、河南省重大科技专项等15项;主持或参与黄河“八七”分水方案调整制定、南水北调西线工程规划方案比选论证等重大规划13项。作为黄河流域生态保护和高质量发展重大国家战略规划核心骨干,参与完成的水利规划纲要,得到中办、国办颁布实施。作为河南科技智库黄河战略智库执行负责人,参与起草政策咨询建议5份,得到省部级领导批示。荣获河南省青年托举人才等荣誉10余项,相关成果获得省部级科技进步奖4项;已发表学术论文50余篇,已申请专利40余项。
1987年国务院颁布的《黄河可供水量分配方案》(简称黄河“八七”分水方案),作为南水北调工程生效前黄河可供水量分配方案,是我国首个大江大河的水量分配方案。方案的提出为黄河水资源开发利用提供了重要依据,对我国流域水量分配具有显著的指导意义。三十多年来,黄河流域水文情势、工程条件、流域经济社会发展面貌等发生了诸多新变化,特别是沿黄九省(区)经济高质量发展对黄河水资源分配提出了新的更高要求,30年前确定的分水方案能否推进新阶段黄河流域水利高质量发展,不仅成为流域省份关注的焦点,也成为诸多黄河治理者心中的疑问。本次报告针对黄河“八七”分水方案执行成效、当前面临的新形势以及是否需要调整、如何调整等重大问题进行介绍。
(具体信息以会议当天实际安排为准)
请扫描二维码报名:
(手机长按扫描二维码报名)
版权所有:中国计算机学会技术支持邮箱:conf_support@ccf.org.cn