电竞比分网-中国电竞赛事及体育赛事平台

關于ZAKER Skills GEO服務 合作
智東西 06-04

實探北工大實驗室:從空間站“電子鼻”到制氫故障診斷,百度伐謀深度參與科研

智東西

作者 | 楊京麗

編輯 | 李水青

智東西 6 月 3 日報道,今日,百度伐謀舉行 " 謀定行 " 探訪活動,首站走進北京工業(yè)大學苗揚副教授團隊?;顒又?,團隊成員分享了四個應用百度伐謀的科研案例,涵蓋空間站微型氣相色譜柱優(yōu)化、液體波可視化、PEM(質子交換膜)電解槽制氫系統(tǒng),以及傳感器優(yōu)化等方向。

百度伐謀 " 謀定行 " 活動

去年 11 月,百度世界 2025 大會上,百度創(chuàng)始人李彥宏發(fā)布可商用自我演化超級智能體——百度伐謀。它主要面向產(chǎn)業(yè)研發(fā)和生產(chǎn)中的復雜優(yōu)化問題,提供問題建模、算法搜索、模型優(yōu)化、性能優(yōu)化等服務。

今天的活動中,智東西與苗揚副教授及其團隊成員、百度伐謀產(chǎn)品團隊進行了交流,了解到伐謀在科研場景中的應用方式,以及伐謀在提升科研效率、降低成本、增強系統(tǒng)安全性等方面的作用。

智東西在采訪交流中了解到,伐謀對團隊的科研效率有著明顯的提升。在 PEM 電解槽制氫系統(tǒng)案例中,伐謀在約 2 小時尋優(yōu)時間內,將模型準確率從 92.26% 提升至 95.04%,提升 2.78 個百分點;在空間站微型氣相色譜柱案例中,優(yōu)化后結構的 RMS(均方根)指標提升 21.36%,NRMSE(歸一化均方根誤差)提升 8.17%,平均相關系數(shù)提升 39.34%;在算法優(yōu)化案例中,應用伐謀后,原始算法綜合分數(shù)從 60 多分提升到 90 多分。

一、從空間站 " 電子鼻 " 到制氫故障診斷,伐謀深度參與科研場景

據(jù)苗揚副教授介紹,團隊去年起開始使用伐謀,并將其應用于多個課題之中。此次分享,團隊重點介紹了四個案例。

第一個案例是空間站 " 電子鼻 " 氣相色譜柱的研究?,F(xiàn)有微量氣體檢測裝置可在線檢測 19 種微量有害氣體,但設備體積和重量較大,會給空間站補給帶來經(jīng)費壓力。針對這一問題,北工大團隊對微柱結構進行參數(shù)化建模,包括幾何形狀、陣列排布、行間距、列間距等變量,再把初始結構放入 COMSOL 仿真中評估。

色譜柱研究主要過程

科研過程中,伐謀根據(jù)流速均勻性、低速滯留區(qū)占比、壓降等指標,持續(xù)生成候選結構、篩選并進化更新。據(jù)成員介紹,優(yōu)化后 RMS 由 0.0309 降至 0.0243,優(yōu)化 21.36%;NRMSE 由 0.306 降至 0.281,優(yōu)化 8.17%;平均相關系數(shù) r 由 0.61 提升至 0.85,提升 39.34%。

第二個案例,團隊成員介紹了 PEM 電解槽制氫系統(tǒng)。團隊原本需要人工設計深度學習模型、調超參數(shù)、篩選變量。使用伐謀后,團隊把模型結構、超參數(shù)和變量選擇作為可優(yōu)化對象,由伐謀根據(jù)識別準確率等指標反復迭代。據(jù)團隊成員介紹,伐謀 2 小時左右完成了 20 輪迭代、200 余次模型評估,僅用約 130 萬 Token,將測試準確率從 92.26% 提升至 95.04%,提升 2.78 個百分點。

電解槽制氫系統(tǒng)優(yōu)化后提升情況

第三個案例是液體表面波可視化系統(tǒng)。整個液體表面波可視化系統(tǒng)主要分波源系統(tǒng)、光學系統(tǒng)、監(jiān)測系統(tǒng)、液體系統(tǒng)四部分。團隊用激光照射水面后,在墻面形成波動圖案,用于觀察液體表面波變化。

液體表面波可視化系統(tǒng)實驗裝置

伐謀在這個案例中主要介入兩個環(huán)節(jié):一是優(yōu)化圖像反演算法,從圖案可反推液體波傳播過程;二是在實驗前通過仿真預演不同參數(shù)組合,減少實驗試錯。

第四個案例為傳感器優(yōu)化項目。團隊提到,傳感器精度會受到溫度、振動、老化等因素影響,人工同時優(yōu)化多項指標難度較大。他們將高溫非線性誤差、老化誤差、實時補償運行時間等指標加權成綜合評分,再交給伐謀并行探索多條優(yōu)化路徑,科研效率提升明顯。

此外,團隊成員還提到,他從去年 11 月開始使用伐謀,利用其后端文件,完善回歸算法。算法初始得分 60 多分,使用伐謀后,經(jīng)過一下午時間,算法得分升至 70 分以上。后續(xù)經(jīng)過兩天修改,進一步迭代優(yōu)化,最終得分在 90 分以上。

二、采訪交流:從問答到尋優(yōu),伐謀多輪演化篩選最優(yōu)解

在采訪交流環(huán)節(jié),智東西與其他媒體圍繞伐謀與普通大模型的區(qū)別、科研使用門檻、模型幻覺和產(chǎn)業(yè)落地等問題,與北工大團隊和百度伐謀產(chǎn)品團隊進行了交流。

百度伐謀產(chǎn)品團隊表示,伐謀并非單純的問答式大模型平臺,它能夠基于明確評價標準,進行算法尋優(yōu)。用戶需要給出任務、初始算法和評估器,伐謀則通過多輪演化不斷生成、驗證和篩選算法,最終輸出表現(xiàn)更優(yōu)的結果。

伐謀助力科研實驗方式

針對 " 科研領域如何避免大模型幻覺 " 的問題,北工大團隊解釋稱,伐謀的關鍵在于評價器。普通大模型可能給出看似合理,但無法驗證的回答,而伐謀每次生成方案后都要接受指標打分,效果不好就會被淘汰。只要任務目標清晰、評價指標可驗證,伐謀就能持續(xù)推動項目優(yōu)化。

苗揚提到,AI 正在改變科研范式。過去科研人員需要大量依賴經(jīng)驗和人工試錯,現(xiàn)在機械、化工、能源等非計算機專業(yè)的研究者,也能更快借助 AI 參與復雜優(yōu)化問題。他提到,伐謀的價值不在于替代科學家提出問題,而是在科學家定義方向、規(guī)則和指標后,承擔大量重復探索工作。

北京工業(yè)大學副教授苗揚

百度伐謀團隊還介紹,伐謀已在物流、零售、金融、汽車仿真等產(chǎn)業(yè)場景中展開實踐。例如在港口集裝箱調配中,伐謀曾幫助提升約 10% 的運轉效率;在零售門店貨架排布中,則可將原本約一個月的排布周期縮短到以周為單位。

三、實驗室探訪:現(xiàn)場看液體波可視化實驗

交流結束后,智東西與其他媒體一同前往苗揚教授校外實驗室,現(xiàn)場觀看液體波可視化案例展示。團隊成員現(xiàn)場展示了液體表面波可視化效果。通過激光、水面擾動和投影成像,液體表面波的變化過程以圖案形式呈現(xiàn)出來。

液體表面波可視化效果

這類場景正是伐謀未來可發(fā)揮作用的地方。通過把實驗目標和評價標準轉化為可計算指標,AI 可以幫助科研人員在實驗前篩選參數(shù)、在實驗后優(yōu)化算法,從而減少盲目試錯。

結語:AI 科研工具開始走向 " 可驗證優(yōu)化 "

從此次探訪來看,百度伐謀能夠有效助力科研實驗,降低科研成本、提升研發(fā)效率。同時,它也折射出 AI 進入科研和產(chǎn)業(yè)的一條現(xiàn)實路徑:AI 可以深度參與到實驗設計、參數(shù)優(yōu)化、仿真驗證和方案篩選等更具體的環(huán)節(jié)中。

當 AI 能夠圍繞明確指標持續(xù)試錯和迭代,科研人員就有機會把更多精力放在問題定義、方向判斷和結果驗證上。未來,隨著這類工具在更多實驗室和產(chǎn)業(yè)場景中落地,AI 對科研和工程研發(fā)的影響也會從 " 輔助工具 " 進一步走向 " 研發(fā)基礎設施 "。

相關標簽

覺得文章不錯,微信掃描分享好友

掃碼分享

企業(yè)資訊

查看更多內容