铃阅
❌

阅读视图

Strata“黑魔法”:12GB 显卡如何跑起 Qwen3.8-Flash-Next

原创 NLPer 2026-11-16 21:54 江苏

本地部署

今年9月,开发者 Niko1221 开源了 Strata。它最初想做的是:用一张12—24GB的 NVIDIA 显卡,配64GB内存和桌面 CPU,跑起125B的 Qwen3.8-Flash-Next。

不到两个月,项目已经有了约4.47万 Star、4900多个 Fork。原本的专用推理引擎,也有了桌面应用、终端和本地模型服务。

Strata官方桌面应用截图 图中使用Gyro-S

Strata官方桌面应用截图 图中使用Gyro-S

从专用引擎起步

第一版 Strata 是为 Qwen3.8-Flash-Next 定制的推理引擎,面向 NVIDIA 显卡提供现成的 Windows 运行包,同时开放兼容 OpenAI 和 Anthropic 的本地接口。用户可以把已经在用的聊天软件、编码工具接进来。

10月初,Hacker News 出现了一条“消费级硬件以100 token/s运行125B Qwen”的帖子,目前累计有940分、420条评论。有人贴自己的机器和速度,也有人追问量化质量、长上下文和视觉表现。

到了10月的0.2.0-beta,Strata 把桌面应用、终端和引擎接成了一套。Windows、Linux、Mac 有了各自的安装包,下载模型、选择存储位置、聊天和工具连接也有了界面。

桌面应用可以处理文件、图片和代码,生成的网页还能在侧边直接预览。

10月下旬,0.2.4 加入了 DeepSeek-V4.1-Flash 的终端运行入口。最近的0.2.14,又把 NVIDIA、AMD 上的提示词处理切到了 Strata 自有内核。

用户 irawanw 把它叫作“黑魔法”。他原先用两张 RTX 3090、vLLM 张量并行跑 Qwen3.8 27B,后来换成一张 GPU 配64GB RAM,在 Strata 上跑 Qwen3.8-Flash-Next,成了自己的日常主力。

显存里只留常用的部分

Qwen3.8-Flash-Next 是125B的 MoE,每个 token 激活约6B参数。它的48层中,每层有512个路由专家,当前 token 选出10个,全模型合计24,576个专家。

其中36层使用 Gated DeltaNet,维护固定大小的递归状态;另外12层使用稀疏注意力。还有约51B参数的 n-gram 查找表,按最近几个 token 读取对应的行。

Strata 做了一个技术说明,用 RTX 5070 12GB、Ryzen 5 7600、64GB DDR5-5200和 NVMe SSD,记录了这套分工。

以文中的 Q2_0 配置为例,Attention、DeltaNet、路由器、共享专家、输出头,以及缓存和递归状态优先留在显存。剩余显存用来缓存常用的路由专家。

约34GB路由专家放在系统内存,约29GB的 n-gram 表留在 SSD。查找表每次只读取需要的行,文中记录的每 token 读取量不超过约23KB。

技术说明图1 显存 内存与SSD的分工

技术说明图1 显存 内存与SSD的分工

生成时,GPU先算出当前层要调用哪些专家。缓存命中的,直接在GPU计算;没有命中的,一部分通过 PCIe 传给GPU,另一部分由CPU在内存里就地计算,最后合并结果。

技术说明图2 一层中的GPU CPU与PCIe并行

技术说明图2 一层中的GPU CPU与PCIe并行

GPU算已缓存的专家,CPU算另一部分,传输也同时进行。

专家缓存会随对话调整。说明中的12GB显卡约能缓存4500个专家;同组测试里,静态命中率约50%,在4K上下文下动态调整后约72%。

技术说明图3 静态专家缓存容量与命中率

技术说明图3 静态专家缓存容量与命中率

读入长代码时,Strata 则分块处理输入,把一层层权重流送到GPU,让传输与批量计算重叠。开始逐字生成后,再切回CPU与GPU分担的小批计算。

早期实现使用 Qwen 自带的 MTP 层:先起草后续几个 token,再交给主模型一起验证,通过的留下,遇到不一致的位置再修正。

项目示意图 起草模块预测 主模型按顺序验证

项目示意图 起草模块预测 主模型按顺序验证

技术说明中,最多起草3个 token,和前一个已接受的 token 组成最多4个 token 的验证窗口。4K测试里,每个窗口平均产出约3.2个 token,MTP加速收益约1.6—1.8倍。较新的版本还加入了 DFlash2 等起草路径。

生成速度如何

在前面那台 RTX 5070 测试机上,记录了以下生成速度。每种输入长度运行一次代码审查任务,生成256个 token,使用 greedy 解码与 MTP。

量化

约4K上下文

约128K上下文

Q2_0

94.6 token/s

65.1 token/s

IQ2_XS

78.0 token/s

52.0 token/s

IQ3_XXS

65.6 token/s

44.8 token/s

项目9月技术说明表3 不同量化和上下文下的生成速度

项目技术说明表3 不同量化和上下文下的生成速度

Q2_0 在约4K输入下,首次响应约6.7秒;接近262K输入时,要先等约524秒,随后仍能以56.3 token/s生成。

长历史占用更多显存,留给专家缓存的空间也会减少。

12GB是显存,64GB是系统内存。 以原版 Qwen 的 ISTA-DASLab 量化为例,路由专家的内存占用大致如下:

量化

路由专家约占

Q2_0

34GB

IQ2_XS

35.5GB

IQ3_XXS

43GB

IQ3_S

50GB

还要给操作系统、缓冲区、上下文和其他程序留空间。64GB机器选择 IQ3_S 时,余量已经比较紧。内存放不下专家,Strata 可以改从 SSD 读取更多权重,但速度会明显下降。

量化也会改变输出。项目在固定文本的4995个位置上,以 Q8_0 为参照,测得首选 token 一致率:Q2_0 为80.6%,IQ3_S 为87.7%,UD-Q4_K_XL 为93.1%。

项目目前推荐先看 ISTA-DASLab 的兼容量化,再看 Unsloth 等选择。Q2_0 更省内存、生成更快;更高位数的包需要更多资源,可以结合自己的代码任务判断是否值得。

Q2_0 文件合计约66GB,起草层和图片组件还会增加下载。NVMe SSD 要同时承担模型存放和部分运行中的读取。

最后

想试用的朋友可以从项目 Releases 下载对应系统的安装包,在模型页选择模型、存储位置和上下文;已有 GGUF,也可以直接导入。

安装好 Strata 后,用终端先查看运行计划:

strata launch --family qwen --model q2_0 --plan

这一步只显示模型、文件和硬件安排,不下载、不启动。确认后再运行:

strata launch --family qwen --model q2_0

首次下载完成后,可以在监控界面看提示词处理、逐字生成和内存占用。先用自己常做的任务跑一轮,再调整上下文和量化。

Strata官方终端监控界面 图中为Gyro-S会话

Strata官方终端监控界面 图中为Gyro-S会话

桌面应用也能直接处理文件和代码,默认 Manual 模式会在修改文件、执行非只读命令前请求确认。模型准备好后,本地聊天和推理可断网运行;联网搜索、外部模型和远程工具按各自功能访问网络。

接回已有编码工具,运行:

strata connect

它会列出 Claude Code、Codex CLI、OpenCode 等客户端的连接设置。

参考链接

跳转微信打开

  •  

突发!黄仁勋与盟友商讨重返英伟达CEO之位

大模型智能 2026-11-17 00:00 吉林

硅谷的盟友开始向英伟达董事会施压,要求恢复黄仁勋的职位

图片

大模型智能|分享

来源 | 机器之心

黄仁勋辞职没几天,硅谷已经开始想办法把他请回来了。

当地时间 11 月 15 日,据英国《金融时报》报道,黄仁勋正在与身边亲信讨论重返英伟达 CEO 职位的可能性。

图片

来源:https://www.ft.com/content/45383d86-33c4-4d99-86e5-5e058d3567c1?utm_source=chatgpt.com&syn-25a6b1a6=1

一位黄仁勋的盟友向《金融时报》透露,他们正在组建一个由硅谷科技企业高管组成的 War Room,计划游说英伟达董事会,推动黄仁勋重新担任 CEO,并尝试争取白宫的支持。

这位人士表示:「在前沿实验室之外,科技行业里所有有影响力的人都喜欢黄仁勋。」他还补充称,推动黄仁勋回归的行动得到了黄仁勋本人的支持。

图片

刚刚过去的这个周末,一场要求黄仁勋重返英伟达的声援行动迅速升温。

特斯拉和 SpaceX CEO 埃隆・马斯克(Elon Musk)、Epic Games CEO 蒂姆・斯威尼(Tim Sweeney)、Replit CEO Amjad Masad 等科技圈知名人士,纷纷加入联名行动,呼吁英伟达董事会让黄仁勋回归。

图片

这场声援不仅来自硅谷高管,也得到了英伟达内部员工的响应。黄仁勋辞职后,已有多名员工公开表达对他的支持,并签署联名信。

截至目前,支持黄仁勋回归的在线请愿签名人数已经突破 15 万,且仍在持续增长。

图片

需要注意的是,这些身份主要来自签署者自行申报,尚不能视为全部经过独立核实。

不过,黄仁勋想要回来,恐怕没有那么容易。

首先,英伟达董事会并不一定会接受外部压力。

《金融时报》此前披露,董事会已经接触 Arm CEO 雷内・哈斯(Rene Haas),探讨其接任英伟达 CEO 的可能性。

但英伟达董事会随后回应称,目前尚未启动正式的 CEO 遴选程序。

与此同时,英伟达的管理层已经进入临时过渡状态。公司首席财务官科莱特・克雷斯(Colette Kress)目前担任临时 CEO,管理团队正试图稳定公司运营,为即将公布的季度财报做准备。

黄仁勋本人也缺少一个重要筹码。

与一些拥有绝对控制权的创始人不同,黄仁勋并不持有足以控制英伟达的股份,无法单方面推翻董事会的决定。即使硅谷支持者不断发声,最终能否回归仍然取决于董事会。

外部力量的态度同样存在分歧。一方面,Altimeter Capital 创始人 Brad Gerstner 和 Atreides Management 创始人 Gavin Baker 两位英伟达股东,已经联名致信董事会,要求保留所有可能性,包括黄仁勋回归。

两人在信中强调,黄仁勋长期以来为英伟达创造了巨大价值,而他的突然离职又给公司带来了不确定性。因此,他们希望董事会审慎处理这场危机,不要提前排除黄仁勋复职的可能。

另一方面,推动黄仁勋复职的行动很可能遭到华盛顿部分重要政策制定者的反对。美国财政部长斯科特・贝森特(Scott Bessent)周日呼吁英伟达进行一次「重大管理层改组」(dramatic shake-up)。

截至目前,英伟达发言人和黄仁勋的发言人均拒绝置评。

英伟达这场突如其来的 CEO 风波,显然还远没有结束。

图片

技术交流群邀请函

图片

图片

图片

图片

△长按添加小助手

扫描二维码添加小助手微信

请备注:姓名-学校/公司-研究方向-城市

(如:小夏-浙大-大模型-杭州)

即可申请加入深度学习/机器学习等技术交流群

—完—

图片

跳转微信打开

  •  

哈佛最新 AI 课发布:从 Agent 一路学到 GPU!

Datawhale 2026-11-17 00:00 吉林

以下文章来源于:Datawhale

Datawhale

一个专注于AI领域的开源组织,汇聚了众多优秀学习者,使命-for the learner,和学习者一起成长。

 Datawhale干货 

最新课程:哈佛 CS2680

一个 AI Agent 从你敲下第一句提示词,到物理显卡上吐出最后一个 token,中间到底穿透了哪些技术层级?

很多开发者在尝试构建复杂的智能体系统时,很快就会撞墙。瓶颈往往不在于提示词写得够不够巧,而在于真实的工程现实:不可控的延迟、高企的 Token 账单、长程规划失控,以及多轮交互下迅速被吃满的显存。

想要真正做出一套可靠的高性能 Agent,只懂上层框架不够,只看底层 CUDA 算子也不够。

哈佛大学今年秋季开设了一门极具特色的硬核大课:CS2680《Modern AI Systems: Agents and System Optimizations》。

全学期不搞分散的散点练习,只盯准一个名为 Mads 的智能体系统,带你从应用层的 Agent Loop 一路往下拆,直到接管开源模型的推理服务与底层 GPU 硬件。

目前,这门课的大纲、阅读清单以及课件幻灯片已全部在官方主页向公众开放。

Image

    课程官网:https://cs2680.seas.harvard.edu/

    一、课程大纲与主线

    这门课之所以让人眼前一亮,首先在于它的课程结构设计。

    它没有把内容割裂成孤立的章节,而是以一个名为 Mads(Modern Agent Design and Systems) 的系统贯穿始终。全课 14 周被清晰地切分为两大阶段:

    前半程(第 1~7 周)聚焦智能体设计与评估。 从 Claude Code 的运行机制切入,依次讲透多 Agent 协作、上下文与工具管理(ReAct)、长期记忆(MemGPT)、评测体系以及成本性能权衡。

    后半程(第 8~14 周)深挖底层推理系统。 从 GPU/CUDA 基础出发,逐层拆解批处理调度、PagedAttention(vLLM/SGLang)、投机推理、KV Cache 优化与量化压缩,最终落到智能体请求调度与负载均衡。

    二、五个贯穿式作业

    CS2680 不设期末考试,而是通过5个作业一环扣一环,带着学习者从最上层的前端一路改到底层推理引擎:

    Image

    1. Mads-Lens(搭建可视化监控台,10%)
    用 Claude Code 为它自己写一个 Web UI 前端,实时可视化运行轨迹:展示每次工具调用的入参和返回结果,把派生的子 Agent 展开成树状图,定位报错现场,并实时统计每次调用的 Token 消耗与花费。

    2. Mads-Loop(手写核心运行时,10%)去掉现成客户端,直接围绕模型 API 手写 Agent Runtime:实现结构化工具调用、上下文滑动窗口管理、报错重试与退出判定。助教会用隐藏测试集专门测这套 Runtime 的容错能力,重点看代码循环本身够不够稳。

    3. Mads-Opt(压榨成本与延迟,20%)在调用商业 API 的前提下做端到端优化。要求在任务成功率不降的基础上,砍掉多余 Token、把简单任务分流给便宜的小模型、做工具并发调用并重构上下文,把延迟和开销压到最低,最后写一篇技术复盘博客。

    4. Mads-Serve(接管本地推理引擎,20%)拿掉外部商业 API,课程给每位学生发一张 RTX PRO 4500(32GB 显存) 独立 GPU。学生需要在卡上自己部署开源模型,把前一步写好的 Agent 接进本地推理服务,通过改批处理调度和 KV Cache 复用解决显存与排队瓶颈,按完成任务数和总耗时在全班实时榜单(Leaderboard)上排名。

    5. Mads-Stack(全栈解封打榜,10%)最后一步把上层 Agent 架构、开源模型选型和底层推理内核全部放开修改。统一用 Terminal-Bench 2.0 评测,跑过基线就能拿满基础分,前 26 项任务的综合排名还会有额外的榜单加分。

    三、学习地址

    课程主页:https://cs2680.seas.harvard.edu/

    需要提醒的是,这门课是一门地道的研究生级系统硬核课程,并不适合零基础入门。

    官方先修要求是完成过 CS61(计算机系统导论)以及至少一门研究生级别的系统课,默认熟练掌握 Python 与 PyTorch。课程主页写得非常直白:老师在课堂上不会把作业所需的所有技术细节都讲完,想要拿到满意的成绩,必须做好课后花费大量时间自学和调试实验的准备。

    值得一提的是,虽然哈佛官方目前暂未向外网公开课堂现场录像,但官方所有课件幻灯片均已按周次直接放出;同时海外技术社区也已经在 YouTube 上推出了针对这门课的逐讲视频深度拆解(覆盖 Claude Code 运行原理、多 Agent 架构、上下文管理与评测基准等),非常适合配合官方课件同步精读。

    Image

    大模型时代已经从单纯的比拼提示词,走向了智能体架构与推理基础设施协同优化的深水区。

    无论你正在开发智能体应用,还是在搭建模型推理服务,哈佛 CS2680 所给出的这条工程演进路线,都值得每一位工程人员认真研读。

    目前官方主页上的教学日历、课件幻灯片与论文清单均可自由访问,建议收藏学习。

    图片

    一起“点赞”三连↓

    跳转微信打开

    •  

    ICLR 2027初审均分仅2.06!清华份额第一,武大均分第三

    原创 让你更懂AI的 2026-11-16 21:49 北京

    中国高校表现抢眼

    图片

    今年 ICLR 拿到 2.5 分,究竟排在什么水平?

    ICLR 2027 的全球高校成绩单来了,中国高校包揽了论文份额榜前四。

    清华大学排在第一,北大、上交、浙大紧随其后。

    按初审均分排名,武汉大学以 2.35 分位居全球高校第三,仅次于康奈尔大学和浦项科技大学,排在斯坦福、麻省理工等名校前面。

    〓 图源 https://github.com/clareLab/posters/

    超过 4 万篇论文的初审均分只有 2.06,近六成评审给出 2 分(Weak Reject),平均分达到 3 分的论文仅占约 4.1%。

    一篇论文拿到 2.5 分,在 4 万多篇投稿中究竟是什么水平?

    有网友开发了 Score Atlas,输入分数就能查看百分位和并列排名。

    随着 Rebuttal 推进,审稿人上调或下调分数的情况,也被网友做成了每日更新的统计。

    清华份额第一,武汉大学均分全球第三

    有网友从 OpenReview 获取初审评分,通过标题匹配 arXiv 预印本,再利用 OpenAlex 识别作者机构,整理出一份覆盖全球高校、研究机构和大厂的统计榜单。

    按分摊投稿量计算,清华大学以 315.2 位居全球第一,关联 734 篇论文。北京大学、上海交通大学和浙江大学紧随其后。排在第五的斯坦福大学为 145.9,尚不及清华的一半。

    中国内地高校前十名如下:

    中国香港地区单独统计。香港科技大学的分摊投稿量为 113.4,香港中文大学 91.6,香港大学 80.4。

    在分摊投稿量不少于 20 的高校中,康奈尔大学以 2.40 分位居全球初审均分第一,浦项科技大学 2.37 分第二,武汉大学 2.35 分第三。

    武汉大学关联 90 篇论文,分摊投稿量 29.4,不到清华的十分之一,初审均分却比清华的 2.19 高出约 0.16 分。

    中国内地及香港高校中,上海科技大学均分 2.25,同济大学 2.23,香港中文大学(深圳)和香港科技大学约 2.22,也排在均分榜前列。

    大厂方面,美团初审均分达到 2.38,腾讯 2.28,阿里 2.27。阿里的分摊投稿量还有 133.7,接近卡内基梅隆大学。

    按国家和地区统计,中国内地机构占样本加权投稿量的 33.39%,略高于美国的 31.96%;两者初审均分分别为 2.175 和 2.182,几乎没有差别。

    这份榜单基于 10520 篇成功匹配作者机构的论文,约占同期已评分投稿的四分之一,合作论文按作者及机构分摊计数。

    近六成评审给2分,2.5分能排在哪?

    ICLR 2027 将总体推荐评分从上届的六档改为四档,分别是 1 分(Clear Reject)、2 分(Weak Reject)、3 分(Weak Accept)和 4 分(Clear Accept)。

    clareLab 在 11 月 6 日整理的初审数据覆盖 40544 篇论文、125304 份评审,论文初审均分为 2.06,中位数 2.00。

    单份评审中,2 分占 57.5%,1 分占约 19%,两者合计超过 76%。相比之下,3 分约占 22%,最高的 4 分仅占 1.5%。

    按论文均分计算,只有约 4.1% 的论文达到 3 分及以上。

    〓ICLR 2027初审均分与单份评审评分分布

    不同研究方向也存在一些差异。

    生成模型均分约为 2.16,学习理论 2.13,机器人与规划 2.12。包括大语言模型在内的基础模型方向约为 2.07,与全体均分接近,强化学习则为 2.04。

    在在线工具 Score Atlas 中输入 2.50,页面显示 84.8% 的论文均分不高于这一成绩,其中 606 篇与之同分。

    〓2.50分在公开评审中的百分位查询结果

    大量论文的平均分完全相同,名次也因此出现大规模并列。

    例如,三名审稿人分别给出 2、2、3 分,均分约为 2.33,与 8563 篇论文并列,排名区间为第 6818-15380 名。

    如果拿到 2、3、3 分,均分约为 2.67,并列论文减少至 4231 篇,对应第 1905-6135 名。

    新四分制下,绝大部分论文只有三份评审,可形成的平均分组合相对有限,这也是分数集中、并列名次较多的原因。

    除了查询排名,Score Atlas 还支持按研究方向、评审数量和置信度筛选,并可导出 CSV 数据。工具使用 11 月 6 日采集的 40642 篇有评分论文快照。

    Rebuttal进行时,改分明显加速

    随着 Rebuttal 推进,有网友制作了 ICLR 2027 Rebuttal Tracker,持续追踪 OpenReview 上的评分变化,并将改分方向、每日走势和作者回复情况汇总到一个网页中。

    根据 11 月 16 日更新的数据,126395 份评审中已有 3204 份修改评分,占 2.53%。

    其中,2916 份评分上调、288 份下调,已经发生的改分中,约 91% 都是上调。

    最受关注的是,2006 条评审从 2 分(Weak Reject)升至 3 分(Weak Accept),评分由拒稿倾向转为接收倾向。

    全部改分涉及 3029 篇论文,其中 2745 篇的平均分提高。

    〓ICLR 2027评审改分趋势

    改分数量增长很快。11 月 15 日还只有 1823 条评审发生变化,一天后就增加至 3204 条。

    已有 18620 篇论文发布作者回应,其中 5729 篇得到至少一名审稿人的公开回复,约占已回应论文的 30.8%。

    Rebuttal官方规则

    1. 公开讨论截止时间

    作者与审稿人的公开讨论截至 11 月 18 日 AoE(UTC−12)。随后进入内部讨论,12 月 16 日公布最终录用决定。

    2. 论文修订与页数

    讨论期内可以多次上传修订稿,正文页数上限从初稿的 9 页提高至 10 页。参考文献不计入页数,附录不限页。

    作者需要主动说明修改内容及具体位置,审稿人和领域主席没有义务逐一阅读所有修订版本。

    3. 新增实验的范围

    可以补充实验回应审稿意见,但应围绕原论文已有结果展开。对于与初稿存在重大差异的修改,审稿人和领域主席可以选择不予采纳。

    4. 多轮回复与评分调整

    每条评论有字数限制,回复总次数不限。审稿人有责任参与讨论,并可根据作者回应调整评分和推荐意见。

    作者公开讨论期结束后,审稿人仍可更新评审意见。

    5. 向领域主席反馈问题

    作者可以通过 OpenReview 的 Readers 设置,向 AC 发送限制可见范围的评论。

    如果问题无法通过 AC 解决,还可以联系 PC,邮件标题需以 [Authors-to-PCs] 开头。

    6. 双盲匿名要求

    修订稿、补充材料、代码仓库及演示链接都必须保持匿名。在线演示网站也不能通过访问记录泄露审稿人身份,否则可能面临 desk reject。

    7. SOTA与近期工作

    未达到 SOTA,本身不足以成为拒稿理由。

    对于投稿截止前不久发表的同期研究,以及仅在 arXiv 公开、尚未经过同行评审的论文,也不能仅因作者缺少相关对比就直接拒稿。

    ICLR 2027 Rebuttal Tracker 还提供了往届 ICLR 的改分统计。从初审评分公开到最终决定,往年约有 11%-20% 的评审修改过评分,其中约九成为上调。

    图片

    参考文献

    图片

    [1] https://github.com/clareLab/posters

    [2] https://songjhpku.github.io/ICLR2027-statistics/

    [3] https://iclr.hackmypaper.com/today/2026-11-16.html

    [4] https://iclr.cc/Conferences/2027/AuthorGuidelines

    [5] https://iclr.cc/Conferences/2027/ReviewerGuidelines

    [6] https://iclr.cc/Conferences/2027/AreaChairGuidelines

    更多阅读

    ·

    跳转微信打开

    •  

    AI学着读懂物理世界:清华张强团队发布自进化AI科学家EvoSim

    让你更懂AI的 2026-11-16 21:49 北京

    让模型与方法一起进化

    从电池实验数据出发,AI 科学家开始自己搭建模型解析物理世界了!

    最近,清华大学化工系张强教授团队联合北京清屿科技、香港大学、北京怀柔实验室等机构,在论文《EvoSim: Learning to Model, Modeling to Learn》中提出了一个面向物理建模的 AI 科学家 EvoSim。

    论文地址:

    https://arxiv.org/abs/2610.11344

    物理模型是材料研发和器件设计中的常用工具。研究人员用一组方程描述材料内部发生的过程,算出电压、温度这些可以测量的量,再与实验结果对照。

    现有的 AI 科学家系统已经能在物理模型中调整参数、拟合数据,但模型该包含哪些物理过程,通常仍由研究人员事先定好。

    EvoSim 把这一步也交给了 AI。当模型算出的结果和实验对不上时,它会判断问题是否出在模型漏掉了某个物理过程,找到后补进模型,再用实验数据检验。

    在这个过程中,EvoSim 还会把检验有效的做法整理成建模方法,用到后续任务中。模型在改进,建模方法也在改进,论文把这种两者同步提升的过程称为“自进化”。

    〓 图1. EvoSim让物理模型与开发它的 AI 科学家协同进化。图片来自论文。

    团队用两项工业级电池建模任务测试了 EvoSim。

    第一项任务是预测快充时何时开始析锂,也就是负极表面何时开始析出金属锂。EvoSim 的平均误差为 1.79 个百分点,原研究模型为 2.82 个百分点。

    第二项任务是预测车辆行驶时的电池电压。面对建模时没有用过的温度,EvoSim的误差低至 7.62 毫伏,好于此前发表的多个电池电压模型。

    更值得注意的是,用上自己总结的建模方法后,EvoSim 在同一任务上的误差降低了 75.4%。在 11 项建模任务的 45 组实验中,它的出错次数减少 36.4%,运行时间缩短 42.6%。

    这是怎么做到的?

    预测和测量对不上:是参数、求解,还是方程本身出了问题?

    AI 在数学、编程等任务上进步很快。这些任务规则清楚,答案对不对可以直接判断。

    材料研发和器件设计面对的问题则不同。以锂电池为例,锂离子在电解液中迁移,在电极颗粒中扩散,在电极表面发生反应。

    这些过程都发生在微观尺度,没法直接看到。研究人员能拿到的,通常只有电压、电流和温度这些外部数据。

    物理模型就是用来连接这两者的。研究人员把内部过程写成方程,通过求解(用计算机算出模型结果)得到电压等数值,再与实验数据比较。两者吻合,说明模型对内部过程的描述大体正确。

    真正的难点在两者不吻合的时候。偏差可能来自参数取值不准,可能来自求解过程出错,也可能是方程漏掉了某个物理过程。

    前两种情况,调整参数、检查计算就能解决。第三种情况,则要先弄清漏掉的是什么,再把它补进模型。

    这恰恰是现有 AI 不擅长的地方。在电池专业知识问答上,前沿大模型的准确率已经很高,但问答只需要从已有知识里找答案。

    一旦要求它根据实验现象提出新的物理解释,并用实验去检验,它的表现就不稳定了。

    许多 AI 辅助建模工具,也只是在研究人员给定的模型里调参数、跑仿真。如果模型本身漏掉了关键的物理过程,参数调得再细,预测和实验之间那些有规律的偏差也消除不了。

    于是,EvoSim 要回答的问题是:预测和实验对不上时,AI 能不能自己找到原因、补上缺失的物理过程,并把这次摸索出的有效做法用到下一个任务里?

    EvoSim 的做法,是把每一次预测偏差都当作一个需要研究的问题。

    它会先列出几种可能的原因,比如某个参数取值不准,或者模型缺了某个物理过程。

    每种原因对应一个修改方案,由此生成一个待检验的模型,称为候选模型。几个候选模型会同时搭建,并调用仿真软件 COMSOL 求解。

    每个候选模型都要通过三项检查:修改是否真的在模型中生效;求解是否完整完成、结果有没有异常值;预测与实验数据的误差有多大。三项都通过,候选模型才会被采用。

    没被采用的候选模型也有用处。EvoSim 会记下它失败的条件和出错的步骤,并据此提出改进做法。改进做法要在后续任务中用过、确认有效,才会作为建模方法保存下来。

    下一轮研究开始时,EvoSim 会调出与当前问题条件相符的建模方法,用来决定先检验哪个原因、先做哪项检查。

    〓 图2. 同一轮实验反馈在推动物理模型修订的同时,也为 AI 提炼和检验建模方法提供了证据;更新后的方法继续引导后续的模型探索。图片来自论文。

    因此,每一轮研究改进的不只是模型,还有 EvoSim 自己的建模方法。下面两项电池任务,分别展示了这两方面的效果。

    快充提速的代价:析锂从哪一刻开始?

    充电时,锂离子本应嵌入石墨负极。充电倍率是充电电流与电池容量之比,倍率越高,充得越快。

    但倍率过高时,部分锂离子来不及嵌入,就会在负极表面析出为金属锂,这就是析锂。析出的锂有一部分会永久失去活性,导致电池容量下降,还可能带来安全隐患。

    析锂起点通常用荷电状态来表示。荷电状态是当前电量占总容量的百分比。析锂起点决定了快充时电池最多能充到多少电量而不析锂,是设计快充策略的重要依据。

    预测析锂起点并不容易。它同时受温度、电极厚度、充电倍率等因素影响。充电过程中,负极内部的锂含量又无法直接测量,单看外部电压曲线,很难判断析锂从何时开始。

    研究使用的是一项发表在 Nature Energy 上的研究所公开的数据。

    这批数据包括来自 61 个测试电池的 20 组析锂起点,覆盖两种厚度的石墨电极、25 至 45 摄氏度,以及 2C 至 6C 的充电倍率(1C 约为 1 小时充满)。

    其中 14 组数据用于参数识别,也就是用实验数据确定模型参数的取值。另外 6 组作为验证条件,只用来检验预测,不参与参数识别。

    EvoSim从 首先建立了锂离子在电解液和电极颗粒中的迁移,以及锂嵌入石墨的反应。继续,EvoSim 给模型加上了析锂反应,以及已析出的锂重新溶解的剥离反应。

    接下来,模型需要估算析出的锂中有多少变成了不可逆锂,也就是再也无法参与充放电的锂。一开始,这个比例被设为固定的 30%。

    结果发现,预测偏差随充电倍率有规律地变化。这说明“固定比例”这个假设站不住。

    EvoSim 据此提出了新的解释:不可逆锂所占的比例并不固定,而是随充电倍率变化。

    背后的道理并不复杂。析出的锂要失去活性需要一段时间,比如与电极断开电接触,或者被电极表面新生成的膜层包裹。

    充电倍率越高,充电时间越短,析出的锂在测量前来得及失去活性的比例就越低。

    当然,这并不是说快充时析出的锂更少。快充时析锂总量会增加,只是其中失去活性的比例下降了。

    EvoSim 随后把这一比例改成了随充电倍率变化的关系。研究用平均绝对误差来衡量结果,也就是把各条件下预测值与实测值之差的绝对值取平均。

    在验证条件上,误差从固定比例时的 3.79 个百分点降到了 1.79 个百分点。

    作为对比,原研究模型在同样条件上的平均绝对误差为 2.82 个百分点,而且它在建立时用到了全部 20 组数据。

    这项任务也体现了 EvoSim 的一个判断:当偏差呈现规律时,它会转去检查物理过程,而不是继续调参数。

    换一个从未见过的温度,整段行车电压还能算准吗?

    第二项任务,是预测车辆行驶时的电池电压。

    车辆加速时,电池放电;制动时,电池回收能量充电。电流不停变化,电压也跟着波动。

    电池管理系统是车上负责监测和控制电池的系统。它要靠准确的电压预测,来估计剩余电量、判断能输出多大功率,并让电压保持在安全范围内。

    难点在于,电流一变,电池里几个过程的变化快慢不一。电极颗粒内部的锂浓度、电解液中的锂离子浓度、电极表面的电荷,变化速度各不相同。模型要同时描述好这些过程,才能把整段电压曲线算准。

    研究使用的是马里兰大学公开的一块磷酸铁锂电池的测试数据,包括两种标准测试工况。

    DST 是动态应力测试,电流在充电和放电之间快速切换。US06 是美国环保署制定的驾驶工况,包含高速和急加速。

    数据覆盖 -10 至 50 摄氏度的 8 个温度,共 16 条完整曲线、109,746 个数据点。数据每秒记录一次,总时长约 30 小时。

    EvoSim 的起始模型用四个变量描述电极状态,分别是正极和负极颗粒中锂的平均含量和表面含量。

    EvoSim 重写了这四个变量随时间更新的计算方式,并在模型中加入了两个物理过程:锂离子在电解液中的迁移,以及电极表面电荷的积累和释放。

    验证时,每次取出一个温度下的两条曲线,用其余7个温度的14条曲线做参数识别,再去预测取出的那两条。也就是说,模型要预测的,始终是参数识别时没见过的温度。

    结果用均方根误差衡量,它反映整条预测曲线与实测曲线的平均偏离程度。30 摄氏度 DST 曲线的误差为 7.62 毫伏,20 摄氏度 US06 曲线为 8.97 毫伏。

    其他研究在 DST 和 US06 工况下报告的电压误差,在 12.25 至 49.50 毫伏之间。论文据此认为,EvoSim 的精度超过了此前研究人员发表的模型。

    能在没见过的温度下算准电压,说明模型描述的物理过程在不同温度下都成立,而不只是贴合了参与参数识别的那几条曲线。

    〓 图3. 析锂起点与动态电压预测:(a)两种电极设计在不同温度和倍率下的析锂起点;(b)20 个工况的实测与预测,以及电压误差与文献对比;(c)两个留出温度下的完整电压轨迹。图片来自论文。

    在这项任务中,EvoSim 还碰到了一个计算错误。它解决这个错误的过程,正好说明了建模方法是怎样积累起来的。

    一次纠错,改变了 AI 之后的建模思路

    模型计算时,会把连续的时间切成每秒一步,每一步都根据当时的电流和温度更新电极状态。

    早期模型虽然能算完,算出的电极状态却和作为参照的标准结果对不上,误差达到 88.518 毫伏。

    EvoSim 查出问题出在每一步更新电极状态的公式上。改正之后,误差降到了 4.1136 毫伏。

    它把这次修正整理成一条建模方法,写清了四件事:每一步更新用的准确公式,每一步该用哪个时刻的电流和温度,电极状态在仿真软件中如何设置,以及求解完成后要检查哪些输出。

    这条建模方法到底有没有用?论文设计了一组对照实验。

    三组实验做的是同一个任务:30 摄氏度 DST 曲线,共 7,461 个数据点。

    三组的起始模型、数据、仿真软件和检查标准都相同,所用的大模型都是 gpt-5.5。每组最多提交 12 个模型,比较前 3 次提交的结果。

    三组唯一的区别,是事先拿到的材料。第一组什么都没有;第二组拿到一份按时间顺序整理的过往尝试摘要;第三组拿到的是上面那条检验过的建模方法。

    通过全部三项检查的模型,才算有效模型。

    前 3 次提交中,三组最好的有效模型误差分别是 89.478、89.383 和 22.015 毫伏。

    第三组在第 2 次提交时就拿到了这个结果,误差比第一组低 75.4%。第一组和第二组一直提交到第 12 次,最低误差都没有再下降。

    差别就出在材料的内容上。第二组的摘要只写了“后来某个版本改成逐秒更新状态,误差降到约 4 毫伏”,没说具体怎么改。第三组的建模方法则写明了公式和检查项目。

    可见,决定下一轮结果的,不是记住过去做过什么,而是把有效的做法整理成能直接照着执行的步骤。

    这些建模方法也能用到别的任务上。

    在一项同时考虑电化学反应和电池温度变化的建模任务中,EvoSim 用上了一条“先同时比较几种可能的物理机制,再修改模型”的方法。

    这里的物理机制,指产生实验现象的物理过程。用上这条方法后,模型修改次数从 10 次减少到了 1 次。

    论文还在 11 项建模任务上做了 45 组配对实验。每组中,同一个任务运行两次,一次不用积累的建模方法,一次用,其余条件完全相同。

    结果显示,用上建模方法后,出现模型搭建错误或物理机制错误的运行从 33 次减少到 21 次,减少了 36.4%。实际运行时间也缩短了 42.6%。

    不止于电池:一种能自我积累的科研方式

    EvoSim 展示的,是一种让 AI 不断积累科研能力的方式。

    实验数据指出模型解释不了的现象,EvoSim 提出新的物理解释并加以检验。每次研究中的成功和失败,又被整理成建模方法,留给下一次研究。

    EvoSim 也会说明自己的结论在什么范围内成立。

    在 9 项任务得出的结论中,有 4 条在全部测试条件下成立,4 条只在部分条件下成立。还有 1 条原本被认为普遍适用的物理机制,因为所有相关模型都没通过检验而被否定。这 9 个判断都与检验结果一致。

    电池建模任务为这种方式提供了可以量化的检验,而 EvoSim 的这套研究流程并不针对某一种特定的电池模型。

    下一步,研究者可以在材料科学、化学工程、生物工程等领域挑选具体问题来测试它,只要这些问题有实验数据,也有可靠的仿真软件。

    对 AI 来说,理解材料和器件内部发生了什么,不只在于一次预测准不准,更在于能否根据实验数据不断完善自己的解释,并把行之有效的研究方法积累下来。

    作者介绍

    最后,介绍一下这篇工作的作者。

    论文的三位共同第一作者为宋韫玮、陶进开、张俊东,共同通讯作者为张睿、张强。

    清华大学张强教授带领的课题组长期深耕能源化学与能源材料,围绕锂硫电池、锂金属电池和固态电池提出锂键化学、离子溶剂复合结构等重要理论认识,推进高比能电池材料与器件研发。

    近年来,又将高通量计算、机器学习和化学机器人引入电解液设计,开发 Uni-Electrolyte 平台与知识—数据双驱动的性质预测方法,探索从分子生成到实验验证的闭环研发。

    团队相关成果发表于《自然》(Nature)、《自然·化学》(Nature Chemistry)、《自然·能源》(Nature Energy)、《美国化学会志》、《德国应用化学》(Angewandte Chemie International Edition)等期刊。

    更多阅读

    ·

    跳转微信打开

    •  
    ❌