北太天元 AI 技术体系：从深度学习到智能科学计算

一、当人工智能遇见科学计算

科学计算始终是科学研究与工程创新的重要支撑。从物理过程模拟到工程设计，研究者依托数学模型、数值算法与专业软件，把问题转化为可以求解和验证的计算任务。人工智能的发展正在扩展这一工作方式。深度学习可以从数据中学习复杂关系，并结合方程与物理约束参与建模；大语言模型让函数查询、代码编写和错误分析更易进行；智能体与工具调用技术，则把自然语言任务连接到专业软件的实际执行能力。围绕计算方法、软件交互和工具连接，北太天元逐步建设 AI 计算、AI 智能交互与 AI 能力开放三个方向，探索人工智能与国产科学计算软件的协同应用。

点击观看：北太天元 AI 技术体系演示

视频展示了 PINNs 的代码与真实运行画面、智能助手的使用过程，以及第三方 Agent 调用北太天元的链路。下面重点解释这些能力各自承担什么工作，以及它们之间的边界。

二、构建面向科学计算的 AI 技术体系

围绕科学研究与工程应用需求，北太天元逐步构建了三个相互关联的 AI 技术方向。AI 计算能力：让人工智能参与科学计算。以深度学习工具箱为基础，通过神经网络建模、模型训练、GPU 加速以及物理信息神经网络等技术，拓展科学计算方法，探索数据驱动与物理机理的融合。AI 智能交互：让人工智能辅助科学计算。以大语言模型为基础，结合检索增强生成（RAG）、专业知识库及辅助编程技术，为用户提供函数查询、代码生成、代码补全和错误分析等能力，降低科学计算软件的学习与使用门槛。AI 能力开放：让人工智能调用科学计算。通过模型上下文协议（MCP）等工具连接机制，将北太天元科学计算能力封装为可供外部智能体调用的工具，建立从自然语言需求到计算脚本执行、结果返回的技术连接。三个方向分别对应计算方法、软件交互和能力开放，共同构成北太天元 AI 技术体系的重要基础。通过算法能力、智能交互与计算工具的协同，北太天元正在探索从传统科学计算软件向智能科学计算平台发展的技术路径。图：三条已实现路径分别对应算法参与、智能助手辅助与第三方 Agent 调用。智能助手和第三方 Agent 不共用一条调度链路。

三、AI 参与计算：从数据驱动到物理机理融合

深度学习通过神经网络近似数据中的复杂关系。面对具有物理先验的科学计算问题，方程、边界条件与观测数据可以共同进入训练过程，让模型同时利用数据和已知规律。北太天元深度学习工具箱已发布，提供 43 种网络层、6 种优化器、15 种损失函数和 31 种预训练网络，支持模型构建、训练、预测和迁移学习。用户通过 M 语言接口使用相关能力，底层由 C++ 实现，并支持 CUDA GPU 加速。PINNs 是工具箱面向科学计算的一种用法。它将偏微分方程残差以及初始、边界条件纳入损失函数，让物理规律参与神经网络训练。当前框架覆盖 Poisson、Heat、Wave、Burgers 四类方程，以及 Dirichlet、Neumann、Robin 三类边界条件，可用于典型正问题、反问题与物理参数反演。文首视频以模拟数据验证 Heat 逆问题功能，展示扩散系数反演、训练过程以及预测解与参考解的对照。画面数值对应这次示例运行。有关 PINNs 的求解细节，可继续阅读《北太天元深度学习工具箱：把物理方程写入损失函数》。

四、AI 辅助计算：从专业知识检索到智能编程

编写科学计算程序时，用户需要理解函数用途、参数含义和报错原因。智能助手可以从专业文档中定位这些信息，并结合当前问题给出解释或代码建议。北太天元 AI 智能助手采用 RAG：先检索相关文档，再把检索内容提供给大语言模型作为回答上下文，并展示参考来源，方便用户核对。除专业知识库外，系统也支持用户自建知识库和附件上下文。在编程环节，智能助手可以帮助生成、补全和解释 M 语言代码，也能结合报错信息分析可能原因。视频展示了补全、函数问答、报错分析和附件上下文的实际使用方式；用户可以结合参考文档核对建议，并在运行后检查计算结果。图：问题检索、结合资料回答与参考来源核对的流程；实际软件界面见文首视频。

五、AI 调用计算：从代码生成到科学计算执行

第三方 Agent 负责理解自然语言任务和选择工具，北太天元负责执行专业数值计算。MCP Server 为两者提供标准化调用入口，把任务组织与计算执行连接起来。目前，北太天元 MCP Server 已提供 7 项工具能力。第三方 Agent 可以经 MCP Server 发起调用；需要执行脚本时，调用进入 BaltamaticaCLI，由北太天元运行 M 语言程序并返回结果。这样，外部智能体可以获得真实计算输出，继续处理其任务。图：第三方 Agent 经 MCP Server 与 BaltamaticaCLI 执行 M 语言脚本，并接收计算结果。面对复杂任务，任务步骤与结果检查还需要结合模型设置、输入数据和业务约束设计。已打通的工具调用链路，为进一步构建智能计算流程提供执行基础。有关具体调用案例，可继续阅读《北太天元 AI 融合：面向教学、科研与工程的可信智能》。

六、从 AI 计算到智能科学计算

回顾北太天元的 AI 技术建设，可以看到一条从算法能力、知识服务到工具开放的路径。三个方向分别面向计算方法、软件交互与能力开放，也分别解决科学计算工作中的具体问题。AI 参与计算，拓展科学计算方法。深度学习工具箱把模型构建、训练和预测引入 M 语言环境，PINNs 进一步将物理约束纳入求解过程。AI 辅助计算，改善软件交互体验。智能助手结合专业知识库与辅助编程能力，帮助用户查询函数、理解代码和分析报错。AI 调用计算，连接智能体与专业计算能力。第三方 Agent 通过 MCP Server 调用北太天元工具，形成从任务请求到脚本执行、结果返回的链路。面向更复杂的科学计算任务，北太天元正在研发自有 AI Agent，探索自然语言理解、任务规划、工具调用与计算执行的协同。这一方向建立在现有计算、交互和开放能力持续完善的基础上。未来，北太天元将持续完善深度学习、智能助手与 MCP 工具调用能力，探索人工智能与科学计算的协同创新，为科研与工程用户提供更便捷、多样的计算方式。从 AI 参与计算，到 AI 辅助计算，再到 AI 调用计算，北太天元持续推进人工智能与国产科学计算软件的融合。