Gray Plume 灰翎科技
上海灰翎新材料科技有限公司
深圳善营-上海灰翎涂布技术工作坊

2026.10.28

人工智能（AI） 加速高质量 流变学研究

曾一鸣 博士

Tel. 15201726199
AI × RHEOLOGY0141
AI 的发展历程1956 — 1980s

把专家经验
写成规则

如果……那么……
1956

达特茅斯会议

人工智能成为研究议题 [1]

1960s — 1980s

专家系统

知识库 + 推理规则 [2]

DENDRAL / MYCIN

擅长明确规则，难以覆盖真实世界的变化

AI 的发展历程1990s — 2012

让机器从数据中学习

1995

统计机器学习

支持向量机（SVM）[3]

1998

卷积神经网络

LeNet 学习图像特征 [4]

2012

深度学习突破

AlexNet 赢得图像识别竞赛 [5]

ImageNet 2012

Top-5 测试错误率，越低越好

依据原文表 2 重绘 [5]

数据 + 算力 + 网络结构

AI 的发展历程2017 —

用自然语言与模型协作

2017

Transformer

注意力机制
建立序列关联 [6]

2020

GPT-3

大语言模型（LLM）
用少量示例完成任务 [7]

2022.11

ChatGPT

对话式交互
让大模型走向大众 [8]

2023+

多模态与工具

读图、处理文本
调用外部工具 [9][10]

看几个例子

这些能力，究竟改变了什么？

案例 01 · 视觉识别与训练效率ALEXNET / 2018

同样识别图片，训练可以更快

AlexNet / ImageNet-1K · 两项公开研究的系统级比较

比较维度CPU 方案 [18]GPU 方案 [19]
硬件资源1,024 个节点2,048 颗 Xeon Platinum 816064 个节点512 张 Tesla P40 · 每节点 8 张
Top-1 准确率58.6%58.8%
完成训练11分钟5分钟
2.2×训练速度 · 耗时缩短约 55%

准确率相近，
更快完成一次训练。

案例 02 · 策略学习2017 / ALPHAGO

在围棋中，找到人类之外的新走法

3 : 0

AlphaGo 战胜柯洁

2017 年 5 月 · 乌镇
柯洁在 2017 年乌镇围棋峰会上，图片由 Google DeepMind 发布
当时世界排名第一的棋手柯洁 · 图：Google DeepMind [11]
学习棋谱自我对弈搜索下一步

规则不变，策略可以被重新发现

案例 03 · 实时决策2019 / ALPHASTAR

星际争霸 II：在迷雾中做决策

AlphaStar 同时安排侦察、资源与战斗

星际争霸 II 游戏截图：AlphaStar 与 LiquidTLO 对战，画面显示神族基地、采矿单位和比赛资源面板。
2019 年 1 月展示赛画面 · Google DeepMind / Blizzard [23]
99.8%

排名高于战网活跃玩家

看不全需要侦察未知的地图

等不得对手与自己同时行动

想得远现在造什么，影响之后的战斗

三种族均达宗师级

从技术突破到产业变化NVIDIA / NVDA

算力，成为新的基础设施

NVIDIA 股价 · 美元 / 股 · 已按拆股调整

NVIDIA 拆股调整后股价，2012—2026 线性纵轴从零至 250 美元。各月末可用收盘价，2026 年 10 月 23 日收于 210.96 美元。早期价格较低，2023 年后明显上升，中途有回落。事件标记不表示因果。 0 50 100 150 200 250 2012 2016 2020 2023 2026 2012 · AlexNet 2022 · ChatGPT
2026.10.23210.96

美元 / 股

从游戏显卡
到 AI 计算
案例 04 · 图像生成2023 → 2026

AI 还远没有定型

从手指畸形，到照片般的人物肖像

2023论文记录的手部错误
HandRefiner 论文原始图像中的生成错误示例：一名挥手女性的手指数量异常。这里只展示原图左侧的未修复结果。

Stable Diffusion 示例 · HandRefiner 图 1 [14]

2026 年为本演示生成的虚构人物肖像，一位挥手微笑的女性，并非真人照片
2026AI 生成 · 虚构人物
持续更新
对能力的判断
AI 发展的两个趋势WHAT COMES NEXT

能力越来越强

更难的任务，开始能够处理

OPENAI · 数学研究

同等能力更便宜

更多人，能够把 AI 用起来

DEEPSEEK · 推理效率

可做的事更多，使用的门槛更低

能力边界 × 使用成本1041
趋势 01 · 能力更强OPENAI / 2026

从回答习题，走向探索新问题

719

篇数学研究手稿

372 组相关成果 [15]
公开成果规模
持续扩大
千禧年难题 · NS 方程

平滑的流动，会一直平滑吗？

描述水与空气运动的基础方程

2026.09.08 / OPENAI [20]

公布平滑外力下
有限时间奇点的证明与 Lean 形式化

探索流体方程解的数学边界，
展示 AI 参与基础科学研究的潜力。

公开证明仍需独立审查；这一进展并不等于已解决所有湍流或工程流动问题。
趋势 02 · 使用成本下降AI INDEX / 2025

同等级能力，使用门槛在下降

达到 GPT-3.5 水平的 MMLU 成绩 · 每百万 token 的查询价格

2022.11$20
2024.10$0.07
价格降至约1/280
同样的预算，
可以支持更多次尝试。
从推理效率到普惠计算理想情景 / 条件测算

理想效率下，推理容量可达百倍量级

以当前全球日需求为参照 · 全球 GPU 存量与年度新增的条件测算

关键假设

每 1 万张 B200 等效卡 → 155 万亿 token / 天

卡数为测算假设；全球需求取 1,000 万亿 / 天，并假设全部 GPU 可按同等效率服务推理。

存量情景 · 1,000 万张 B200e

155×

可支撑的日吞吐 / 当前全球日需求

2026 全年新增情景 · 700 万张 B200e

109×

新增容量单独折算 · 不与存量相加

约两个数量级的容量空间

个人终端与工业设备，都有望便捷接入 AI 推理

理解能力，也理解局限01 / 预测机制

LLM 学的是规律，输出仍是预测

典型自回归语言模型：用神经网络拟合上下文与下一个 token 的关系

01 / TRAIN

从大量数据
学习规律

语言、知识与推理模式

02 / PREDICT

预测下一个
文本片段

P(下一个 token | 上下文)

03 / GENERATE

逐步组成
完整回答

可能正确，也可能编造

更有可能 ≠ 已经核实

正确数据与训练可以提高可靠性，
却不保证每次输出都与事实一致。

LLM 幻觉 · 编程中的真实例子02 / 编造接口

它甚至会编造一个函数接口

一个看似合理的名称，可能根本不存在

用户提供的聊天截图：用户指出 IDASCreate 不存在，模型承认错误，并改称应使用 IDACreate。
用户提供的原始聊天记录 · 模型与版本未注明
核对官方文档 [28]
编造的名称IDASCreate
实际创建函数IDACreate

道歉与自信，
都不能代替验证。

查文档 → 编译 → 测试
从语言幻觉到神经网络的误判03 / 自信不等于可信

不只是代码，文献与图像也会错

语言模型 / 编造文献

格式完整，仍可能查无此文

GPT-3.555%
GPT-418%

生成引文中，虚构文献所占比例

2023 年研究 · 42 个主题、636 条引文 [29]
题目、作者、期刊看起来都可以很合理。

视觉网络 / 对抗误判

人眼仍是熊猫，模型却改了答案

Goodfellow 等论文图 1 的原始熊猫图片
“熊猫” · 57.7%
微小
定向扰动
论文图 1 中加入微小对抗扰动后的熊猫图片，GoogLeNet 将其误判为长臂猿
“长臂猿” · 99.3%

GoogLeNet · ICLR 2015 · 图 1 [30]
百分数是模型置信度，不是真实正确率。

错误机制不同，共同提醒我们：高置信度不等于真实可靠
给工业与科研 AI 的启示04 / 验证后执行

越接近物理世界，越需要独立校验

AI 建议

理解问题、检索资料、提出方案

整理数据 · 生成代码草稿 · 编排任务

验证关口

核对来源、单位、约束与结果

基准测试 · 守恒与残差检查 · 风险审批

受控执行

可信求解器、控制器与独立联锁

边界明确 · 全程记录 · 异常停止与回退

让 AI 参与计算与控制，也让结果可核验、动作受约束
AI × 流变学四类应用 · 六个案例

AI 加速流变研究的四种模式

学习材料数据、加速物理计算、约束模型推断、简化工具调用

01

数据驱动预测

从实验数据学习输入—输出映射

橡胶黏度预测
02

AI 加速计算瓶颈

AI 处理耗时环节，求解器完成计算

CFDNet · 湍流入口生成
03

物理约束神经网络

将物理规律写入训练或网络结构

NS 方程约束下的流场反演
04

LLM 封装计算工具

用自然语言组织参数、工具与任务

RheoFlow · MOIST GPT

四种模式可以组合使用

1841
模式 01数据驱动预测神经网络 / 实测数据

从配方与工艺参数，预测橡胶黏度

丁苯橡胶 · GRNN 神经网络 · 学习同一材料体系内的关系

输入

炭黑含量
温度、时间

神经网络学习映射
输出

动态黏度 η′

120
条实测曲线数据总量，含训练与检验
190°C：未参与训练的温度黑线：实验　红线：预测
Kopal 等图 7：190 摄氏度下多个炭黑含量的归一化动态黏度，实验与 GRNN 预测曲线接近重合；横轴是各曲线串联后的数据点索引
模式 02AI 加速计算瓶颈CFDNet / 2020

AI 加速慢迭代，求解器完成收敛

用神经网络预测更接近稳态的流场，减少后续迭代

求解器预热AI 预测稳态求解器校正
CFDNet 图 4 原始工作流：传统求解器进行 K 次预热迭代，深度学习预测后，由传统求解器继续 M 次校正迭代直至收敛
1.9–7.4×
所测算例的求解加速仍以原求解器的收敛标准验收
模式 02AI 加速计算瓶颈CNN + LSTM / 2021

AI 生成入口，物理求解器计算全场

把昂贵的湍流入口生成，交给学习过流场序列的神经网络

AI 入口LW-ACM 物理求解器 → 下游流场
Fan 等的湍流入口示意图：CNN 加 LSTM 在左侧入口生成速度场，其余通道由 LW-ACM 物理求解器推进
>15×入口生成提速
相对合成涡方法 SEM
≈½整次仿真耗时
作者报告的测试配置
模式 03物理约束神经网络Hidden Fluid Mechanics / 模拟验证

把物理方程，写进神经网络的训练

观察示踪物浓度，推断没有直接测到的速度与压力

训练目标
数据偏差＋λ × 方程残差

既要符合观测
也要尽量符合 NS 方程
与示踪物输运方程

物理规律，约束模型推断
参考解网络重建
Hidden Fluid Mechanics 动脉瘤算例：左列参考解，右列神经网络重建；上排示踪物浓度，下排速度大小，彩色场分布相近

上：浓度　／　下：速度大小

模式 04LLM 封装计算工具RheoFlow / 产品界面示例

RheoFlow：流变研究的统一入口

将论文、实验数据与计算工具，组织成可调用的研究工作台

RheoFlow 研究首页截图，展示论文复现和 RheoCompute 两个工作入口及准备状态

目标：让研究者少花时间配置工具，多花时间判断结果

2341
模式 04LLM 封装计算工具MOIST GPT / 产品界面示例

MOIST GPT：用自然语言，组织一次可核验的计算

“气相温度提高 20°C，重新计算，并叠加新的干燥曲线”

01修改参数与执行反馈
MOIST GPT 新截图：用户要求曲线 1 气相温度提高 20 摄氏度并重新模拟；界面报告 3 步执行完成，51 个温度数据项已调整，新图包含原图数据和新增计算结果
02新旧模拟曲线对比
MOIST GPT 曲线对比图：横轴时间，纵轴单位面积溶剂质量；蓝色点为输入目标，绿色为原计算，橙色为气相温度提高 20 摄氏度后的新增模拟结果
2441
实例分析涂层干燥模拟与参数拟合CASE STUDY / MOIST

MOIST

从一个干燥问题
到一套科学计算软件

Modeling Operational Intrinsics
via Solvent Transport

科学建模

问题识别
物理分析
数学建模

数值计算

数值工具选择
计算代码与求解
可复用计算内核

软件设计

软件架构设计
UI 设计
软件框架搭建

开发与交付

桌面软件开发
跨平台发布与更新
网页开发
问题 · 模型 · 求解 · 产品2541
实例分析 · MOIST01 / 物理问题

涂层干燥：排出溶剂，避免缺陷

薄膜沿厚度方向传递热量与溶剂；基材不可渗透

热风供热 表面挥发 初始表面 收缩 溶剂向表面扩散 聚合物 + 溶剂 不可渗透基材 x0 X(t) 热量经基材传入
[41] Price & Cairncross · J. Appl. Polym. Sci. 78, 149–165 (2000) · Fig. 1 与模型章节；示意重绘，非按比例
2641
实例分析 · MOIST02 / 耦合关系

四个过程，必须一起计算

质量守恒、能量守恒与体积变化相互耦合

厚度改变扩散距离

补给表面

体积减少

溶剂扩散

表面挥发

厚度收缩

温度变化

供热与蒸发耗热的竞争

[41] Price & Cairncross (2000) · 式 (1)–(17)；j 为向外蒸发通量，pᵢ / p∞ 为界面 / 远场分压
2741
实例分析 · MOIST03 / 强形式

一维扩散：在收缩薄膜中守恒

溶剂浓度的变化，由扩散与膜厚收缩共同决定

浓度随时间变化溶剂在膜内扩散膜厚收缩的影响

扩散系数随浓度与温度变化，通常难以求出解析解

2841
实例分析 · MOIST04 / 有限元与数值解

有限元：把涂层分成许多小单元

沿涂层厚度划分网格

涂层表面 节点 单元 x 基材

在节点求浓度，单元内做近似

对应的弱形式

借助有限元与迭代线性化，近似求解非线性系统

[41] Price & Cairncross (2000) · Numerical Methods
2941
实例分析 · MOIST05 / 软件架构

MOIST 的三层软件架构

界面负责交互，Python 负责协调，C++ 负责计算

01

交互界面

React + Electron

输入材料与工况
展示结果与曲线

macOS · Windows
02

数据与任务协调

Python

校验输入 · 统一单位
组织计算任务

03

计算引擎

C++

物理模型 · 数值求解
拟合材料参数

输入任务结果结果
开发阶段

方程与导数 → 生成 C++ 代码 → 编译进计算内核

分层维护 · 分别验证 · 内核复用3041
实例分析 · MOIST06 / 界面演进

界面演进：让配置与分析更直观

BEFORE

早期界面

MOIST 早期界面：参数配置与计算任务标签页，主要区域为拟合参数、基材、聚合物、溶剂、环境与运行参数等折叠面板

以参数分组为主

AFTER

新版界面

MOIST3 新版参数拟合工作区：左侧按项目、数据、拟合、模拟与分析导航；右侧同屏展示参数表、目标与拟合曲线、收敛历史及多曲线比较

工作流导航 · 参数与结果同屏

MOIST → MOIST33141
实例分析 · MOIST07 / AI 协作开发

AI 如何协助软件开发

开发环节AI 协助工程师判断
架构设计拆分模块，设计接口职责与数据流是否清楚
代码编写生成实现，协助调试算例与计算结果是否正确
UI 改进调整布局，反复预览操作与结果是否易懂

工程师提出要求、验证结果，AI 协助实现与修改

架构 · 代码 · 体验3241
实例分析 · MOIST08 / 网页复用

MOIST GPT：用自然对话做干燥计算

网页复用桌面版的 C++ 计算核心

自然语言请求
气相温度降低 40°C
首点恢复 25°C
重新计算，叠加曲线
桌面版
网页版
C++ 计算核心

复用模型与求解器

MOIST GPT 网页运行记录：用户要求气相温度降低 40°C、首点改为 25°C，重新运行干燥模拟并叠加曲线；界面报告三步完成，并提示核对原始温度数据
同一内核 · 多种交互入口3341
实例分析 · MOIST09 / 工程应用闭环

把实验、模型与生产线连起来

01

干燥实验

得到干燥曲线

02

参数拟合

体系自由体积参数

03

预测干燥动力学

调整烘干条件、配比

04

工艺优化与设计

结合工业涂布机工况

新工况，回到实验与验证

条件 A条件 B
归一化残余溶剂定性示意：两种条件下残余溶剂随时间降低，条件 B 的示意曲线更快降低；非实验或仿真结果相对干燥时间

烘箱温区 · 风量 · 线速

预测 ↔ 实机验证

残余溶剂 · 停留时间 · 工艺约束

材料参数 → 干燥动力学 → 生产工艺3441
实例分析 · MOIST后续方向 01 / 方案设想

让代理模型先筛初值

有限元生成数据，小模型加速筛选，原求解器完成精修

MOIST3 当前的初值筛选
MOIST3 初值筛选进度界面：初值筛选、L-BFGS、结果写回三个阶段；当前筛选 545/666，最小误差 5.156e-4
扩大初值覆盖，减少昂贵试算

最终用原有限元模型复核

  1. 01

    有限元合成数据

    自由体积参数 + 工况 → 干燥曲线

  2. 02

    训练代理小模型

    快速预测曲线，评估候选初值

  3. 03

    筛选后，多初值精修

    代理模型排序 → L-BFGS 精修

多初值降低局部最优风险，不保证全局最优3541
实例分析 · MOIST后续方向 02 / 方案设想

让涂布机持续积累训练数据

需要更多传感器，成对记录大量「工况—干燥效果」数据

温区 1温区 2温区 3 线速湿膜厚度温度 · 风量 · 膜温出口干燥检测 放卷涂布多温区烘箱收卷
传感器 + 抽样实测→工况与效果数据集→训练小模型→在线直接推理

把传感器装上去，把数据积累起来

在线省去逐次有限元求解 · 在已验证的材料与工况范围内使用3641
实例分析 · MOISTSESSION RECAP

再看 MOIST 的完整开发过程

一个项目，跨越多种专业能力

化学 / 材料

科学建模

问题识别
物理分析
数学建模
数值计算

数值计算

数值工具选择
计算代码与求解
可复用计算内核
架构 / UI

软件设计

软件架构设计
UI 设计
软件框架搭建
桌面 / Web

开发与交付

桌面软件开发
跨平台发布与更新
网页开发
问题 · 模型 · 求解 · 产品3741
科研之外 · AHA MOMENT01 / 减少重复劳动

一个小工具，省去反复改文件名

为合作伙伴开发：按财务要求，批量重命名报销发票

用户提供的耀阳财务发票重命名网站截图：支持 jpg、jpeg、png、pdf，具有上传发票、重命名发票和下载发票按钮

从票头识别命名字段

示例发票票头，右上角发票代码 031002200511、发票号码 45723675，开票日期 2023 年 7 月 14 日
发票代码031002200511
发票号码45723675

开票日期-发票代码_发票号码

上传→一键重命名→下载
科研之外 · AHA MOMENT02 / 换个角度看问题

找不到的插头，原来少了一块

拍照、补充细节、继续追问，让 AI 帮我发现被忽略的线索

损坏后：触点外露
损坏插头侧面，五根管状金属触点外露损坏插头端面，五根中空母触点的金属套筒
完好 GX16-5：绝缘件包覆
Filotronix GX16-5 完好插头与插座产品图，黑色绝缘件包覆触点；保留原图水印
机器插槽：黑色件残留
用户提供的机器插槽照片，黑色绝缘件位于内部；残留情况依据用户最终确认
对话中的关键线索
ChatGPT 对话节选：原本包住金属触点的黑色绝缘塑料前端可能已经碎掉或脱落，导致母触点外露

我的最终发现：黑色绝缘塑料断在机器插槽里了

回到今天的主题TAKEAWAYS

让 AI 成为可验证的研究与工程助手

01

用数据发现规律

预测材料响应，加速计算，辅助实验与工艺决策

02

用模型连接实验与生产

从干燥实验与参数拟合，走向涂布工艺优化

03

用 AI 扩展个人能力

跨越建模、编程、界面与交付，也解决日常小问题

工程师提出问题、验证结果，并对应用负责

人工智能（AI）加速高质量流变学研究4041
深圳善营-上海灰翎涂布技术工作坊2026.10.28

谢谢大家

Q&A

你最想让 AI 帮你解决什么问题？

曾一鸣 博士上海灰翎新材料科技有限公司yimingzeng@gpadvanced.comTel. 15201726199
演示网址二维码：https://workshop2026.gpadvanced.com/
扫码查看这份展示