硬核干货一文打尽,袁隆平等7人获2018未来科学大

林本坚博士说:获奖非常荣幸、非常开心,是对我很大的鼓励,自己做的事情获得了认可。之前觉得自己在半导体方面的工作,可能不被国内所知,没想到现在能获得如此大奖,很开心。

图片 1

图片 2

最后的最后,今年的未来科学大奖颁奖典礼,将于11月17-18日在北京举行。

责任编辑:

从MBD到MBE,构建一个基于模型的企业是一条漫长之路,需要在许多方面做出突破和改善。企业在摆脱传统的基于二维图纸的设计研发生产模式向基于三维模型的全面数字化企业迈进的过程中,必须从根本上树立起数字化思维和生产经营管理模式,建立科学的战略转型路径。

数学与计算机科学

在深度学习训练环节,除了使用 CPU 或 GPU (深度学习训练的首选)进行运算外,现场可编程门阵列(FPGA)以及专用集成电路(ASIC)也发挥了重大作用;而用于终端推断的计算芯片主要以 ASIC 为主(详情可参考第208期智东西内参)。

MBD是一种超越二维工程图实现产品数字化定义的全新方法,使工程人员摆脱了对二维图样的依赖。MBD是一个管理和技术的体系,并不仅仅是一个带有三维标注的数据模型。MBD使制造信息和设计信息共同定义到三维数字化模型中,使其成为生产制造过程的唯一依据,实现CAD和CAM(加工、装配、测量、检验)的高度集成。ASMEY14.41、BDS600系列等标准是MBD的重要基础,这些标准的制定促进了CAD软件公司参照其开发软件新功能,使MBD的思想得以实现,并很快应用到以波音787为代表的生产实践中。

田刚教授特别强调,这是首位计算机领域的获奖者,同时也是首位台湾籍获奖科学家。

另一方面,为了解决企业自行搭建 AI 能力时遇到的资金、技术和运维管理等方面困难,人工智能企业纷纷以平台类服务和软件 API 形式的服务等形式,提供 AI 所需要的计算资源、平台资源以及基础应用能力。

数据集依据工程图标注(ASME Y14.100)来审批。数据集将在产品全生命周期里被控制和利用。修订版历史信息将依据工程图样和相关文档的修订标准(ASME Y14.35)的规定保留在数据集中。

其中,马大为获1/2奖金,冯晓明和周其林各获1/4奖金。

▲基于深度学习的人工智能技术架构

工程定义需要明白和无歧义的表达。中国古代工匠就有采用物理实体模型(如:故宫“样式张”)和二维绘图法表达工程思想的历史。1795年法国科学家加斯帕尔·蒙日(Gaspard

意料之外的清晰语音:您好,您拨打的电话已关机。

上世纪 70 年代出现了大量的专家系统,结合了领域知识和逻辑推断,使得人工智能进入了工程应用。PC 机的出现以及专家系统高昂的成本,使符号学派在人工智能领域的主导地位逐渐被连接主义取代。

80年代中期,一种比无约束自由造型更新颖、更好的算法———参数化特征造型方法开始出现。它具有基于特征、全尺寸约束、全数据相关、尺寸驱动设计修改的特征。可以认为,参数化技术的应用主导了CAD发展史上的第三次革命。此时众多CAD/CAM/CAE软件开发公司群雄逐鹿。80年代后期到90年代,CAD向系统集成化方向发展,引起了CAD发展史上的第四次革命。特别是波音777实现了全数字样机,进一步发展了数字化设计制造技术,此后,

此外,该奖还参照了诺贝尔、图灵奖的原则,从不同渠道提供学术评价,包含是否原创、是否开创性等。

▲人工智能数据集的参与主体

随着信息技术的发展,MBD技术将传统的PLM技术进一步引向深入,它在基于模型定义技术基础上实现由单一数据源驱动的全面数字化研发体系。使PLM系统具有更好的开放性和集成性,为数字化环境下工程产品定义的内容、组织模式以及定义方法提供法定授权的依据。

主要从事T细胞发育与功能,抗肿瘤(白血病)免疫及干细胞向功能性免疫细胞分化方面的研究。尤其在T细胞静息的分子调控机制研究方面做出了一系列原创性工作。重点研究这些静息分子在抗肿瘤免疫,干细胞免疫的调控作用,探讨如何通过干预这些静息分子为血液系统重要疾病中的治疗提供新策略。

如前所述,软件框架是整个技术体系的核心,是算法的工程实现。当前,人工智能基础性算法已经较为成熟,各大厂商纷纷发力建设算法模型工具库,并将其封装为软件框架,供开发者使用。

图片 3

责任编辑:

3、更高级的 API 逐渐占据主导地位。以 Keras 为例,它是建立在TensorFlow、Theano、CNTK、MXNet 和 Gluon 上运行的高级开源神经网络库,以其高级 API 易用性而得到了广泛的使用。

数字化技术引发人类思维方式的巨大变化。在企业向数字化迈进的过程中,思维方式的滞后将会使这场变革增加许多无谓的成本,思想的狭隘、保守乃至固步自封将是企业实现基于模型的企业的最大障碍。MBD技术在改变企业生产方式的同时首先要改变企业意识,也就是跳出二维的思维模式,建立三维的数字化模式。在企业管理和生产活动过程中树立数字化企业的思想,实现数字化思维。在基于模型的系统工程思想指导下,全面部署企业的数字化战略,是企业迈向数字化的关键所在。

周其林

2、深度学习训练软件框架将逐渐趋同,开源推断软件框架将迎来发展黄金期。

路径五:正确选择合作伙伴,吸收专业咨询公司的技术优势和实施经验

李家洋

▲深度学习技术体系概述

3.2 产品模型支持贯穿生命周期的每个阶段的每一个功能

生命科学大奖

图片 4

路径三:在典型应用的基础上,进一步实现MBD技术在整个企业的扩展应用

林本坚(Burn J. Lin)

人工智能算法的设计逻辑可以从“学什么”(表征所需完成任务的函数模型)、“怎么学”(通过不断缩小函数模型结果与真实结果误差来达到学习目的)和“做什么”(回归、分类和聚类三类基本任务)三个维度进行概括。

责任编辑:

整个评奖规则,非常苛刻。

让机器实现人的智能,一直是人工智能学者不断追求的目标,不同学科背景或应用领域的学者,从不同角度,用不同的方法,沿着不同的途径对智能进行了探索。其中,符号主义、连接主义和行为主义是人工智能发展历史上的三大技术流派。

2、基于模型的系统工程(MBSE)

关于未来科学大奖,可移步传送门。

深度学习一招翻红

在数字化时代,随着产品结构日益复杂和构型更改的频繁,工程技术人员将越来越深地体会到传统工程图样的缺点和不便。

第三,但凡有利益相关,都要做出披露和说明:亲友关系、师生关系、项目合作关系……等等都有披露,一切只为了打消华人社会之间可能的“人情关系”或利益冲突。

以计算模型为核心的深度学习应用,由于跨软件框架体系开发及部署需要投入大量资源,因此模型底层表示的统一将是业界的亟需,未来中间表示层将成为相关企业的重点。

图片 5

连线告知获奖

1、迁移学习的研究及应用将成为重要方向。

2、工程语言的历史演进

李根 发自 凹非寺

智东西认为,上一波的企业数字化为深度学习的产业化落地提供了初步引导,随后,人工智能相关的大数据、云服务、芯片、算法产业和市场格局逐渐成熟。在智能语音、计算机视觉、自然语言理解等细分技术的发展下,智能医疗、智能金融、智能汽车等“AI+”项目掀起了一波创投热。无疑,AI泡沫确实存在,但AI曙光势必降临。

这种工程设计语言的缺陷是显而易见的,设计师在设计新产品时,首先涌现在脑海里的是三维的实体形象而不是平面视图。但为了向制造它的人传递产品的信息,必须将这个活生生的实体通过严格的标准和投影关系变成为复杂的、但为工程界所共识的标准工程图。这当中的浪费不仅是投影图的绘制,还包括了从实体形象向抽象的视图表达方式转换的思维,以及在转换过程中不可避免出现的表达不清和存在歧义。制造工程师、工人在使用这种平面图纸时,又要通过想象恢复它的立体形状,以理解设计意图。这又是一番思维、脑力和时间的浪费。平面图纸的再利用能力几乎没有,定义的质量完全依赖设计人员的个人能力。有时不是创意而是对平面图形的理解程度,制图技术的好坏往往是能否设计、制造出好的产品的关键。对二维图样的绘制和理解是需要严格的专门训练,要求工程人员有良好的空间想象能力。直到今日画法几何和工程制图仍然是工科大学最重要的必修课之一。二百年来,制造业为这种平面图形的转换付出了巨大的代价。

量子位AI社群28群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;返回搜狐,查看更多

图片 6

新的东西常常带来大量的特殊问题。在通常的CAD系统中,工程技术人员所建立的产品数字化模型仅仅是三维几何模型,而制造工艺信息还在二维图样上。这样仅依据三维几何模型往往难以进行产品的生产和检验。也就是说,三维模型中没有让技术人员以清晰确定的方式,将工艺、模具设计与生产、部件装配、部件与产品检验等工序所必需的设计意图添加进来。三维模型虽然包含了二维图样所不具备的详细几何形状信息,但三维模型中却不包括尺寸及公差的标注、表面粗糙度、表面处理方法、热处理方法、材质、结合方式、间隙的设置、连接范围、润滑油涂刷范围、颜色、要求符合的规格与标准等仅靠几何形状无法表达的(非几何)信息。另外,在三维建模中,基于形状的注释提示、关键部位的放大图和剖面图等能够更为灵活而合理地传达设计意图的手段也存在不足。这在实际工程中就会产生既使用三维模型,又离不开二维图样的矛盾状态。这些在实际生产中遇到的问题是ASME关于MBD技术标准研制的根本动力,并推动了ASME Y14.41-2003标准的颁布,与此同时,以波音公司为代表的世界顶级制造企业和软件厂商也在加紧在此标准基础上开发与应用,进一步发展基于模型的定义技术。目前MBD技术及其相关标准仍在不断发展之中。

首先是上海有机化学研究所马大为,他很开心:

编译器解决适配问题

在当前制造业的研制过程中,工程设计制造人员由于缺乏对数字化产品工程定义的统一形式化方法,没有标准可循,仍然要遵循传统的工程制图标准,回到二维图纸的方式来传达设计意图。这种方式显然不能完全发挥数字化技术在设计制造中的优势。

主要研究领域为金属有机化合物在有机合成中应用、不对称合成、生物活性的天然和非天然化合物的合成和有机合成方法学研究。

原因一是可移植性问题,各个软件框架的底层实现技术不同,导致在不同软件框架下开发的模型之间相互转换存在困难;二是适应性问题,软件框架开发者和计算芯片厂商需要确保软件框架和底层计算芯片之间良好的适配性。

ASME Y14.41-2003标准建立了应用于数字化产品定义的数据——数据集的要求及参考文档。这一标准和其他现行ASME标准(如ASME Y14.5M-1994(R1999),尺寸和公差标注)配套使用。它支持两种应用方法,仅使用模型(三维),及模型和数字化格式的图样(2D Drawing)相结合。标准规定从对这两个方法的公共要求开始,然后分别叙述其他各部分对这两种方法的各自要求。

李家洋领衔的团队经过十余年的艰辛攻关,通过分子设计育种技术,精准选出高产与优质的控制基因“组装”在一起,破解水稻了“高产不优质、优质不高产”的难题。该研究成果“水稻高产优质性状形成的分子机理及品种设计”也荣获2017年度国家自然科学奖一等奖。

近年来,随着AI算法在多领域的突破,相关算法的理论性研究持续加强,新算法如胶囊网络、生成对抗网络、迁移学习等,也被不断提出。

3.3MBD与传统工程图样的比较

图片 7

1、工程师的语言

冯晓明博士说:谢谢大家对我工作的喜欢和认可。我现在很激动,1999年回国,20多年的努力,能够取得获得认可的研究,感到开心。

符号主义又称为逻辑主义 ,在人工智能早期一直占据主导地位。

我们在关注产品生命周期阶段过程的同时,优化产品生命周期中的每个阶段中的具体要素同样重要,如产品功能、可靠性、制造过程、维护维修、能源消耗、备件供应、乃至培训等其它下游功能。我们需要追溯在产品生命周期中的每个要素模型信息的完整性能力,以保证信息的一致性。

1957年2月出生于江苏南京,南开大学化学学院教授、中国科学院院士,教育部首批长江学者特聘教授,博士生导师。

随着人工智能应用在生产生活中的不断深入融合,对于推断软件框架功能及性能的需求将逐渐爆发,催生大量相关工具及开源推断软件框架,降低人工智能应用部署门槛。

图片 8

李家洋,1956年7月出生,安徽肥西人,植物分子遗传学家。1982年,毕业于安徽农学院(现安徽农业大学)学士学位 。1984年,中国科学院遗传所硕士学位。1985-1991年,获美国布兰代斯(Brandeis)大学博士学位。入选中国科学院院士、发展中国家科学院院士、德国科学院院士、美国科学院外籍院士和英国皇家学会外籍会员。

图片 9

在以往的PLM技术应用过程中,我们往往以整个生命周期过程为主线,侧重于对产品生命周期中不同研发阶段和不同应用领域的研究,其面向数据管理的数字化定义技术提供了对产品定义的集成框架,解决了面向不同应用领域产品数据管理的支持体系问题,为产品生命周期管理系统的实施应用提供了基础。但是,面向产品数据管理的数字化定义技术并没有完全解决以下问题:

研究方向主要是:具有重要生理活性的复杂天然产物的全合成及结构-活性关系研究;针对特殊靶点如G-蛋白偶连受体,蛋白激酶,蛋白水解酶和细胞凋亡过程的小分子调节剂的发现;有机合成方法学的发展和其在合成生物活性分子中的应用。

生态,未来 GPU、TPU 等计算芯片将成为支撑人工智能运算的主力器件,既存在竞争又长期共存,一定程度可相互配合;FPGA 有望在数据中心中以 CPU+FPGA 形式作为有效补充。从终端侧计算芯片来看,这类芯片将面向功耗、延时、算力、特定模型、使用场景等特定需求,朝着不同发展。

2、数字化产品定义规范

1998-2003 华中科技大学同济医学院,临床医学学士;2003-2008 中国医学科学院血液学研究所,内科学(科研型)博士;2008-2012 美国 Wistar研究所,博士后;2012-至今 中国医学科学院血液学研究所。

行为主义

原标题:数字转型必读:基于模型的企业——从MBD到MBE的战略路径

然后联系到袁隆平院士。打到了袁隆平家,家属接的电话。但没听清未来科学大奖的介绍,还以为是诈骗电话。其后袁老接到电话:

计算机视觉

图片 10

“现在就讲感想啊?对我来说是很大的鼓励和鞭策,我应该得更上一层楼。这是对我过去成绩的肯定,我需要再接再厉。”

当前,基于深度学习的人工智能算法主要依托计算机技术体系架构实现,深度学习算法通过封装至软件框架的方式供开发者使用。

③ 二维CAD技术是对工程图样的一种硬复制,对曲面造型和生产过程中的新型制造和加工技术(如NC技术)缺少有效的支持;

图片 11

图片 12

路径一:树立数字化企业意识,实现传统思维向数字化思维的转变

首先联系李家洋博士,电话里的他非常激动,甚至溢于言表。

▲编译器解决软硬件适配问题

波音公司在以波音787为代表的新型客机研制过程中,全面采用了MBD技术,将三维产品制造信息与三维设计信息共同定义到产品的三维模型中,摒弃二维图样,将MBD 模型作为制造的唯一依据。至此,基于三维模型定义技术的MBD已经成为第三代工程语言。

迄今己发表研究论文120余篇,参编著作3部。论文已被他人引用2300余次。另外还申请中国发明专利4项。

在实际工程应用中,人工智能算法可选择多种软件框架实现,训练和开发人工智能模型也可有多种硬件选项,这就开发者带来了不小的挑战。

由于曲面造型技术只能表达形体的表面信息,难以准确表达零件的其他特征,如质量、重心、惯性矩等,从而提出了对实体造型技术的需求。实体造型技术能够精确表达零件的全部属性,在理论上有助于统一CAD/CAE/CAM的模型表达,给设计带来了惊人的方便性。可以说,实体造型技术的普及应用标志着CAD发展史上的第二次技术革命。

获奖科学家:林本坚

图片 13

关键字:产品定义技术,数字化,MBD,MBE,转型,战略,3D,单一数据源,PLM

张启发一直致力于水稻基因组研究,并在此基础上开发抗虫、抗旱、少化的“绿色超级稻”,其领衔开发的“抗虫转基因水稻”就是绿色超级稻研究中的一部分。

AI技术流派

基于模型的企业(Model-Based Enterprise,MBE)是一种制造实体,它采用建模与仿真技术对其设计、制造、产品支持的全部技术的和业务的流程进行彻底的改进、无缝的集成以及战略的管理;利用产品和过程模型来定义、执行、控制和管理企业的全部过程;并采用科学的模拟与分析工具,在产品生命周期(PLM)的每一步做出最佳决策,从根本上减少产品创新、开发、制造和支持的时间和成本。术语“基于模型的企业”已成为这种先进制造方法的具体体现,它的进展代表了数字化制造的未来。

物质科学大奖则由余金权教授联系。

解决以上两个挑战的关键技术之一就是深度神经网络模型编译器,它在传统编译器功能基础上,通过扩充面向深度学习网络模型计算的专属功能,以解决深度学习模型部署到多种设备时可能存在的适应性和可移植性问题。

在知识管理和知识工程(Knowledge Based Engineering,KBE)方面,由于企业各团队在业务过程中共享单一数据源、共用相同的知识积累和进化,使得基于企业知识、协同产品设计制造变成了现实。企业的各项业务过程从设计、管理到执行、归档、分析等全过程涉及到的建议、操作、经验、知识可以在其后的工作中得以进化、沉淀和重用,从而使企业创新真正站在了前人工作的基础之上,使以往那种知识经验随着人员的流失而消失的现象得以消除。

具体详情也非常精彩。

从云侧计算芯片来看,目前 GPU 占据主导市场,以 TPU 为代表的 ASIC 只用在巨头的闭环

3、基于模型的企业(MBE)架构

图片 14

3、中间表示层之争将愈演愈烈。

(2)DPD数据集包括三维CAD模型和标注了工程要求但未标注全尺寸的二维工程图;

最后是数学与计算机大奖得主:林本坚博士,由田刚教授连线。

基于深度学习的人工智能技术,核心在于通过计算找寻数据中的规律,运用该规律对具体任务进行预测和决断。

摘要:企业的不断成功,源于在每个关键机遇期做出正确的抉择。对于在国民经济中发挥重要作用的中国制造业企业来说,如何面向未来,迎接信息时代的到来,是对每个制造业企业的一个挑战。正确作出选择的企业,将在新一轮的竞争中抢占先机。从MBD到MBE,构建一个基于模型的企业是一条漫长之路,需要在许多方面做出突破和改善。企业在摆脱传统的基于二维图纸的设计研发生产模式向基于三维模型的全面数字化企业迈进的过程中,必须从根本上树立起数字化思维和生产经营管理模式,建立科学的战略转型路径。

One more thing

深度学习分为训练(training)和推断(inference)两个环节。训练需要海量数据输入,训练出一个复杂的深度神经网络模型。推断指利用训练好的模型,使用待判断的数据去“推断”得出各种结论。

图片 15

张启发,1953年12月出生于湖北公安,作物遗传育种和植物分子生物学家,中国科学院院士、第三世界科学院院士、美国国家科学院外籍院士,华中农业大学生命科学技术学院教授、博士生导师 。

已经面世的智能语音技术应用有智能音箱(智能家庭设备的入口)、个人智能语音助手(个性化应用整合),以及以 API 形式提供的智能语音服务,覆盖了智能客服、教育/口语评测、医疗/电子病历、金融/业务办理、安防、法律、个人手机、自动驾驶及辅助驾驶、传统家电、智能家居等领域的应用。

基于模型的企业(MBE)已成为当代先进制造体系的具体体现,代表了数字化制造的未来。美国陆军研究院指出“如果恰当的构建企业MBE的能力体系,能够减少50%~70%的非重复成本,能够缩短达50%的上市时间”。基于此美国国防部办公厅明确指出,将在其所有供应链中各企业推行MBE体系,开展MBE的能力等级认证。全世界众多装备制造企业也逐步加入到MBE企业能力建设的大军中。由此可见,MBE已不再单纯是一项新技术新方法的应用和推广,而是上升到了国家战略和未来先进制造技术的高度,它的研究应用成功与否将关系到未来制造业的新格局。

其次,科学委员在任职及卸任2年内,都自愿放弃参与评选。主要就是为避免相互提名之类的顾虑,可以更加公正。

▲深度学习的两大表示规范

④ 在三维建模技术出现以后,由于设计过程中缺乏必要的工艺信息,制造人员仍然要依靠工程图样来建立制造准则,出现了同时依赖三维模型和二维工程图样的局面。

原标题:袁隆平等7人获2018未来科学大奖!首个计算机奖项颁与台湾籍芯片科学家

自然语言处理

(1)数字化应用技术的条件下研制人员应该遵循什么样的研发模式?

本文由澳门威利斯人手机版发布于澳门威利斯人手机版,转载请注明出处:硬核干货一文打尽,袁隆平等7人获2018未来科学大

TAG标签:
Ctrl+D 将本页面保存为书签,全面了解最新资讯,方便快捷。