中國儲能網(wǎng)訊：隨著人工智能技術(shù)的迅猛發(fā)展，DeepSeek、OpenAI、Anthropic、Meta等業(yè)界巨頭引領(lǐng)的大模型競爭無疑是全球科技熱點。當(dāng)前主流大模型核心能力聚焦于自然語言處理，多名國內(nèi)外知名人工智能專家提出，人工智能需要具備更全面的智能，而不僅僅是語言處理能力，大型世界模型就是一個潛在的發(fā)展方向。世界模型能夠模擬世界多種模態(tài)信息，對事物發(fā)展進(jìn)行推理，并在時間空間中實現(xiàn)互動，更接近于人類的真實智能。不少學(xué)者認(rèn)為，世界模型是通往AGI的一個可能路徑，因為實現(xiàn)AGI需具備真正的常識性綜合性理解能力，只能通過對世界的內(nèi)在表征來獲得，這也正是世界模型研究的重點。
世界模型（World Model）與科學(xué)智算（AI for Science）的融合或?qū)⒊蔀橄乱徊綄W(xué)術(shù)界和工業(yè)界的發(fā)展熱點。廣義上的世界模型可以認(rèn)為是數(shù)字孿生和多模態(tài)大模型的融合進(jìn)階版本，通過模擬現(xiàn)實世界的全面信息與復(fù)雜動態(tài)，為人工智能系統(tǒng)提供更強(qiáng)大的推理和預(yù)測能力；而科學(xué)智算則利用已發(fā)現(xiàn)的科學(xué)規(guī)律，將人工智能技術(shù)與科學(xué)研究深度融合，推動傳統(tǒng)科學(xué)計算的變革。兩者的結(jié)合不僅能實現(xiàn)優(yōu)勢互補(bǔ)，還有望在多個領(lǐng)域催生新的應(yīng)用場景。本文重點探討世界模型與科學(xué)計算的融合前景，并簡要分析如何利用相關(guān)技術(shù)賦能新型電力系統(tǒng)。
世界模型
與科學(xué)智算融合分析
世界模型起源可以追溯到強(qiáng)化學(xué)習(xí)領(lǐng)域，其目標(biāo)是通過構(gòu)建一個虛擬環(huán)境，使智能體能夠在其中進(jìn)行試錯學(xué)習(xí)，從而提高決策效率，類似于給培訓(xùn)的學(xué)生一個面向特定任務(wù)的可互動虛擬環(huán)境。近年來，隨著技術(shù)發(fā)展，世界模型逐漸從簡單的游戲環(huán)境擴(kuò)展到更復(fù)雜的現(xiàn)實世界模擬，體現(xiàn)全領(lǐng)域物理規(guī)律和行為模式。類似于給學(xué)生一個無特定任務(wù)的互動環(huán)境，而且完全符合現(xiàn)實世界的底層科學(xué)規(guī)律。多模態(tài)大模型則通過整合多種模態(tài)的數(shù)據(jù)（如文本、圖像、語音等），實現(xiàn)對復(fù)雜信息的綜合理解和生成。世界模型與多模態(tài)大模型相輔相成：前者為后者提供了一個虛擬的“現(xiàn)實世界”，使其能夠在模擬環(huán)境中進(jìn)行訓(xùn)練和優(yōu)化；后者則為世界模型的構(gòu)建提供了更豐富的數(shù)據(jù)來源和更強(qiáng)大的學(xué)習(xí)能力，最終二者走向融合共生。著名AI學(xué)者楊立昆（Yann LeCun）提出世界模型是人工智能算法模型的一種新概念，旨在模仿人類和動物通過觀察與交互自然地學(xué)習(xí)關(guān)于世界運作方式的知識。如前所述，實現(xiàn)AGI，模型需具備真正的常識性的理解能力，這些能力只能通過對世界的內(nèi)在表征來獲得。因而世界模型需要有能力處理所有模態(tài)的數(shù)據(jù)信息，可認(rèn)為是現(xiàn)有多模態(tài)大模型乃至全模態(tài)大模型的未來發(fā)展形態(tài)，但不一定是生成式的。當(dāng)前世界模型主要研究方向包括多模態(tài)數(shù)據(jù)融合與統(tǒng)一建模、模型效率與可擴(kuò)展性、具身智能與物理世界交互、因果推理與邏輯決策等方面。
科學(xué)智算的核心在于將AI技術(shù)與科學(xué)計算相結(jié)合，利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理等AI技術(shù)，解決傳統(tǒng)科學(xué)計算中難以處理的復(fù)雜問題。傳統(tǒng)科學(xué)計算通常依賴于精確的數(shù)學(xué)模型和數(shù)值方法，但在面對高維度、非線性、多尺度的復(fù)雜系統(tǒng)時，往往面臨計算效率低、模型精度不足等挑戰(zhàn)。而科學(xué)智算通過數(shù)據(jù)驅(qū)動的方式，能夠從海量數(shù)據(jù)中提取潛在規(guī)律，優(yōu)化計算流程，甚至發(fā)現(xiàn)新的科學(xué)原理。
科學(xué)智算的應(yīng)用范圍非常廣泛，涵蓋物理、化學(xué)、材料科學(xué)、生物醫(yī)學(xué)、能源、氣候模擬等多個領(lǐng)域。例如，在材料科學(xué)中，AI可以通過分析大量實驗數(shù)據(jù)，預(yù)測新材料的性能；在氣候模擬中，AI可以加速復(fù)雜氣候模型的運算，提高預(yù)測精度；在生物醫(yī)學(xué)中，AI可以幫助解析蛋白質(zhì)結(jié)構(gòu)，加速藥物研發(fā)。其核心目標(biāo)是將人工智能的強(qiáng)大能力轉(zhuǎn)化為科學(xué)探索的加速器，推動科學(xué)研究從經(jīng)驗驅(qū)動向數(shù)據(jù)驅(qū)動和智能驅(qū)動轉(zhuǎn)變，為現(xiàn)代科學(xué)技術(shù)的發(fā)展注入新活力。電力系統(tǒng)作為世界上最復(fù)雜最龐大的人造系統(tǒng)，蘊(yùn)含大量復(fù)雜數(shù)理規(guī)律，隨著新型電力系統(tǒng)的加快建設(shè)，正面臨高不確定性所帶來的高維、非線性、多時空尺度問題，科學(xué)智算可望在其中發(fā)揮巨大作用。
世界模型當(dāng)前主流研究思路基于純數(shù)據(jù)驅(qū)動，從零開始，通過大量的數(shù)據(jù)學(xué)習(xí)現(xiàn)實世界的規(guī)律。這種方法雖然具有很強(qiáng)的適應(yīng)性和靈活性，但在學(xué)習(xí)效率和準(zhǔn)確性方面存在一定的局限性?？茖W(xué)智算則可以利用前人總結(jié)的經(jīng)驗和知識，加速對已有知識的學(xué)習(xí)。例如，在物理學(xué)中，牛頓運動定律和麥克斯韋方程等經(jīng)典理論已經(jīng)經(jīng)過長時間的驗證和優(yōu)化。通過將這些理論融入科學(xué)智算模型，可以顯著提高模型的學(xué)習(xí)效率和準(zhǔn)確性。純數(shù)據(jù)驅(qū)動的世界模型雖然能夠從海量數(shù)據(jù)中學(xué)習(xí)規(guī)律，但其局限性在于需要大量的訓(xùn)練數(shù)據(jù)，且難以利用已有的科學(xué)知識?？茖W(xué)計算則可以通過數(shù)學(xué)建模直接利用前人總結(jié)的物理規(guī)律，從而加速模型的學(xué)習(xí)過程。如同一個學(xué)生，一方面需要大量做題提升熟練度，另一方面也要總結(jié)規(guī)律提升學(xué)習(xí)效率。
科學(xué)智算可以利用前人總結(jié)的經(jīng)驗與知識，加速世界模型的學(xué)習(xí)過程。然而，完全依賴已有知識體系也可能限制創(chuàng)新。過多依賴已有知識體系存在風(fēng)險，可能會忽視一些新的、未知的規(guī)律。因此，在世界模型與科學(xué)智算的融合過程中，需要在利用已有知識和探索新知識之間找到平衡，類似于強(qiáng)化學(xué)習(xí)中的利用（exploitation）—探索（exploration）問題。在融合世界模型與科學(xué)計算的過程中，需要平衡利用已有知識和探索新知識的關(guān)系。過度依賴?yán)靡延兄R可能導(dǎo)致模型陷入局部最優(yōu)，而過度探索則可能導(dǎo)致效率低下。因此，在實際應(yīng)用中，需要設(shè)計合理的機(jī)制，確保模型既能充分利用已有知識，又能探索新的可能性。這方面尚存大量研究空間。還是以學(xué)生為例，無書自通很困難，但盡信書不如無書。
支撐世界模型的
科學(xué)智算研究布局
世界模型作為人工智能領(lǐng)域的前沿研究方向，旨在通過模擬現(xiàn)實世界的動態(tài)變化，賦予AI系統(tǒng)更深入的環(huán)境理解與推理能力，其所需要內(nèi)化的知識體系極其龐大復(fù)雜，在計算效率、計算方法以及新技術(shù)架構(gòu)原理方面均面臨諸多挑戰(zhàn)?？茖W(xué)智算在支撐世界模型研究方面可開展的研究布局，主要包括計算效率提升、計算范式升級和科學(xué)原理發(fā)現(xiàn)等三個層面。
計算效率提升——直接映射。科學(xué)智算的第一個研究層次是計算效率的提升。通過監(jiān)督學(xué)習(xí)，模型可以模仿已有的計算過程，從而實現(xiàn)高效計算。例如，在物理模擬中，傳統(tǒng)的有限元方法雖然精度較高，但計算成本高昂。通過使用監(jiān)督學(xué)習(xí)，可以訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)模型來近似有限元方法的計算結(jié)果，從而在保證一定精度的前提下大幅提高計算效率。這種方法的核心在于利用已有的數(shù)據(jù)和模型，通過學(xué)習(xí)和優(yōu)化，找到更直接高效的輸入輸出映射。
計算范式升級——模式替代?？茖W(xué)智算的第二個研究層次是計算范式的升級。近年來，一些基于AI的新計算模式逐漸興起，如AlphaTensor和圖計算等就屬于此類。AlphaTensor通過深度學(xué)習(xí)算法優(yōu)化矩陣乘法的計算過程，并找到了新的張量乘積計算模式，改變了原有計算路徑，顯著提高了計算效率。圖計算則利用圖結(jié)構(gòu)的特點，高效地處理復(fù)雜關(guān)系數(shù)據(jù)，尤其是社交、通信、電網(wǎng)等拓?fù)鋽?shù)據(jù)。這些新的計算模式不僅提高了計算效率，還為解決復(fù)雜的科學(xué)問題提供了新的思路。例如，在化學(xué)分子結(jié)構(gòu)預(yù)測中，圖神經(jīng)網(wǎng)絡(luò)可以更好地捕捉分子之間的復(fù)雜關(guān)系，從而提高預(yù)測的準(zhǔn)確性。
科學(xué)原理發(fā)現(xiàn)——知識探索?？茖W(xué)智算的第三個研究層次是科學(xué)原理的發(fā)現(xiàn)。事實上，幾乎所有的科學(xué)原理都可以用語言來描述，通過自然語言處理技術(shù)，模型可以從大量的科學(xué)文獻(xiàn)和實驗數(shù)據(jù)中提取信息，發(fā)現(xiàn)新的規(guī)律和知識，同時結(jié)合原生多模態(tài)的各層級編碼對齊技術(shù)，有望在復(fù)雜科學(xué)原理方面取得進(jìn)一步突破。例如，有研究通過分析大量的化學(xué)實驗數(shù)據(jù)和文獻(xiàn)，可以發(fā)現(xiàn)新的化學(xué)反應(yīng)機(jī)制或材料性質(zhì)；或者通過符號推理，發(fā)現(xiàn)新的科學(xué)公式及原理。這種方法的核心在于利用人工智能技術(shù)的泛化能力和學(xué)習(xí)能力，從海量數(shù)據(jù)中挖掘出有價值的信息，形成內(nèi)化知識后，結(jié)合因果推理和邏輯決策，推動發(fā)現(xiàn)新知識。
融合科學(xué)智算的世界模型
賦能新型電力系統(tǒng)
電力系統(tǒng)底層數(shù)理規(guī)律體系完備。電力系統(tǒng)是一個復(fù)雜的物理系統(tǒng)，其運行和發(fā)展蘊(yùn)含大量底層數(shù)理規(guī)律，而且自第二次工業(yè)革命發(fā)展至今，其原理體系已經(jīng)比較完備。從電力的產(chǎn)生、傳輸?shù)椒峙浜褪褂茫恳粋€環(huán)節(jié)都受到物理定律和工程原理的約束。例如，電力傳輸過程中的電磁感應(yīng)定律、電力系統(tǒng)的穩(wěn)定性分析等，都是基于經(jīng)典物理學(xué)和數(shù)學(xué)理論的。這些底層數(shù)理規(guī)律為世界模型與科學(xué)智算的融合提供了堅實的基礎(chǔ)。
在新型電力系統(tǒng)對世界模型的需求方面，新型電力系統(tǒng)面臨著諸多挑戰(zhàn)，如分布式能源的接入、電力市場的復(fù)雜性、極端天氣條件下的應(yīng)急響應(yīng)等。這些場景需要一個具備普適知識的世界模型，能夠快速適應(yīng)不同的環(huán)境和任務(wù)，在面臨未見情形時也可以通過智能涌現(xiàn)，正確完成決策，或者按照世界模型的專業(yè)說法，可以稱為反事實推理。例如，在電力應(yīng)急調(diào)度中，世界模型需要能夠準(zhǔn)確模擬出不同故障場景下的電力系統(tǒng)運行狀態(tài)，并在從未出現(xiàn)的復(fù)雜連鎖故障情況下提供比人類專家最優(yōu)的調(diào)度方案。在配網(wǎng)智能規(guī)劃中，世界模型需要預(yù)測不同社會發(fā)展階段下的電力負(fù)荷變化以及拓?fù)浣Y(jié)構(gòu)和設(shè)備需求。這些需求都要求世界模型具備強(qiáng)大的學(xué)習(xí)能力和適應(yīng)能力。
關(guān)于世界模型與科學(xué)智算結(jié)合的典型場景，在變電站智能運維方面，變電站是電力系統(tǒng)的重要組成部分，其運維效率直接影響電力系統(tǒng)的安全性和可靠性。通過世界模型與科學(xué)智算的結(jié)合，可以構(gòu)建虛擬的變電站環(huán)境，全方位模擬乃至生成設(shè)備的各種運行狀態(tài)和故障模式。利用科學(xué)智算中的計算效率提升技術(shù)，可以快速分析設(shè)備的健康狀態(tài)，并預(yù)測潛在的故障風(fēng)險。同時，通過計算范式的升級，可以優(yōu)化設(shè)備的維護(hù)策略，提高運維效率。
在電力應(yīng)急調(diào)度方面，在極端天氣或突發(fā)事件下，電力系統(tǒng)的應(yīng)急調(diào)度至關(guān)重要。世界模型可以模擬不同故障場景下的電力系統(tǒng)運行狀態(tài)，為調(diào)度人員提供決策支持?？茖W(xué)智算中的科學(xué)原理發(fā)現(xiàn)技術(shù)可以挖掘電力系統(tǒng)在應(yīng)急狀態(tài)下的潛在規(guī)律，從而優(yōu)化調(diào)度策略。例如，通過分析歷史數(shù)據(jù)和實時數(shù)據(jù)，模型可以發(fā)現(xiàn)電力設(shè)備在極端條件下的潛在連鎖故障失效模式，并提前制定應(yīng)對措施。
在配網(wǎng)智能規(guī)劃方面，隨著分布式能源的大量接入，配網(wǎng)的規(guī)劃變得更加復(fù)雜。世界模型可以模擬不同負(fù)荷增長情況下的配網(wǎng)拓?fù)浣Y(jié)構(gòu)和設(shè)備需求，整合地理信息、負(fù)荷數(shù)據(jù)和設(shè)備性能等多種模態(tài)的數(shù)據(jù)；科學(xué)智算則可從原理層面考慮中長期電力系統(tǒng)的演進(jìn)規(guī)律，從而為配網(wǎng)規(guī)劃提供更準(zhǔn)確科學(xué)的預(yù)測和優(yōu)化方案。例如，通過分析不同區(qū)域的負(fù)荷增長趨勢和分布式能源的接入情況，模型可以優(yōu)化配網(wǎng)的拓?fù)浣Y(jié)構(gòu)，并結(jié)合城市規(guī)劃等多方面信息，給出最優(yōu)規(guī)劃方案，提高供電可靠性和經(jīng)濟(jì)性。
關(guān)于科學(xué)智算與世界模型融合的具體技術(shù)路線，在工具調(diào)用層次，科學(xué)智算技術(shù)被作為工具集成到世界模型中。例如，利用科學(xué)智算中的優(yōu)化算法來解決世界模型中的計算問題，或者使用科學(xué)智算中的數(shù)據(jù)處理技術(shù)來預(yù)處理世界模型的輸入數(shù)據(jù)。這種層次的融合相對簡單，但能夠顯著提高世界模型的計算效率和數(shù)據(jù)處理能力。
在簡單耦合層次，科學(xué)智算與世界模型之間存在更緊密的聯(lián)系。例如，科學(xué)智算模型可以為世界模型提供更準(zhǔn)確的物理規(guī)律描述，世界模型也可以為科學(xué)智算模型提供更豐富的訓(xùn)練數(shù)據(jù)。這種層次的融合能夠提高模型的適應(yīng)能力和泛化能力，使其更好地應(yīng)對復(fù)雜的電力系統(tǒng)場景。
在深度融合層次，科學(xué)智算與世界模型完全融合，形成一個統(tǒng)一的智能系統(tǒng)。這種系統(tǒng)不僅能夠模擬電力系統(tǒng)的運行狀態(tài)，還能夠自動發(fā)現(xiàn)新的科學(xué)原理規(guī)律，并用來優(yōu)化具體的應(yīng)用策略。例如，通過結(jié)合強(qiáng)化學(xué)習(xí)、因果推理、具身智能等技術(shù)，深度融合科學(xué)智算的世界模型可以在模擬環(huán)境中自主學(xué)習(xí)和優(yōu)化電力系統(tǒng)的運行策略，并與實際系統(tǒng)互動，給出可解釋的控制策略，從而實現(xiàn)完全智慧化的管理，真正滿足大電網(wǎng)未來“自動駕駛”的需要。
世界模型與科學(xué)智算的融合為新型電力系統(tǒng)的發(fā)展提供了新的機(jī)遇和挑戰(zhàn)。通過優(yōu)勢互補(bǔ)和有機(jī)融合，世界模型可以更好地模擬電力系統(tǒng)的復(fù)雜行為，而科學(xué)智算可以加速模型的學(xué)習(xí)和優(yōu)化過程。從計算效率提升到計算范式升級，再到科學(xué)原理發(fā)現(xiàn)，科學(xué)智算的發(fā)展有望為世界模型的構(gòu)建和應(yīng)用提供強(qiáng)大支撐。在新型電力系統(tǒng)的應(yīng)用場景中，世界模型與科學(xué)智算的結(jié)合有望進(jìn)一步提高電力系統(tǒng)的智能化水平，為電力系統(tǒng)的安全、可靠和高效運行提供保障。未來，隨著人工智能技術(shù)的不斷發(fā)展，世界模型與科學(xué)智算的融合將為新型電力系統(tǒng)的發(fā)展帶來更多實用工具與創(chuàng)新機(jī)遇。
（作者系南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司教授級高工）
