新人工智能辅助海洋安全场景取得进展
离岸流是海滩溺水事故的元凶之一，因其突发性强、隐蔽性高，传统“先检测、后预警”的被动监测模式难以留出黄金救援窗口。针对这一问题，中国科学院计算机网络信息中心研究海洋复杂动态环境下的感知与时空预测技术...
GPU加速电磁模拟预处理技术研究取得进展
随着高性能计算与人工智能融合发展的深入，三维电磁数值模拟在雷达、光子晶体、地球物理勘探等领域的需求日益增长。作为电磁仿真中的核心方法之一，Crank-Nicolson有限差分时域（CN-FDTD）方法...
大模型驱动的基因组环形可视化生成研究获进展
近日，中国科学院计算机网络信息中心科研团队研发出大模型驱动的基因组环形可视化智能生成框架AuraGenome。AuraGenome突破“人工-脚本-静态”传统范式，开创“自然语言-智能体-交互”新模式...
人工智能驱动的膜电极器件设计研究获进展
近日，中国科学院计算机网络信息中心研究团队联合中国科学院国家纳米科学中心、北京科技大学等的科研团队，在人工智能辅助用于CO2电解的膜电极（MEA）器件设计方面取得进展。 针对膜电极电解槽设计面临的装置...
“东方”超算助力智能超燃冲压发动机设计
对复杂燃烧动力学的量化分析是高超声速飞行器动力系统设计优化的关键环节。传统方法依赖海量流场数据的人工判读，存在计算资源消耗大、现象识别效率低、跨工况关联分析困难等问题，制约了设计优化进程。 近日，中国...
肿瘤生物信息学研究获进展
近日，中国科学院计算机网络信息中心科研人员借助“东方”超级计算系统，提出了基于Transformer的乳腺癌病理图像HRD预测方法——SuRe-Transformer。 该方法解决了将Transfor...
基于深度学习的时间序列预测研究获进展
时间序列预测是大规模数据无损压缩和极端天气预报等领域的核心技术。随着应用场景多样化和数据复杂性提升，现有模型在异构数据的统一表达、长序列结构依赖建模、极端天气波动捕捉等方面存在挑战。中国科学院计算机网...
深度学习模型的原位可视分析研究取得进展
近年来，深度学习网络凭借卓越的能力，在不同领域取得了成果，但训练出高质量的深度学习网络面临挑战。尽管可视化方法为深度学习网络训练提供了辅助，但当前主流的事后分析策略在实际应用中存在较多问题，如数据量庞...
“东方”超级计算系统助力超燃冲压发动机迟滞效应机理研究取得进展
超燃冲压发动机是高超声速飞行的首选动力，但其中的迟滞效应给发动机的主动控制带来巨大困难。通过数值手段准确复现燃烧迟滞现象并揭示其机理是超声速燃烧研究的挑战性难题之一。中国科学院力学研究所空天飞行器数值...
高性能路由验证和路由查找研究获进展
路由验证和路由查找是实现安全路由和高效转发的关键技术。随着网络规模和网络流量的持续增长以及大范围路由异常事件频发，路由查找和路由验证面临严峻的性能挑战。中国科学院计算机网络信息中心前瞻实验室团队围绕上...