科学计算模型主要来自于物理学、化学、生物学、材料科学，比如牛顿方程、空气动力学、弹性力学、电磁场理论、量子力学等等，科学计算的方法就是求解这类问题中的控制方程。但这类问题一般都维数高、时间长、跨尺度、需要处理大量计算的问题。而借助于深度学习的巨大优势，可以将处理数学计算的方法和处理物理数据的方法结合起来，来解决上述问题，这就是「AI for Science」。
PaddleScience就是基于飞桨深度学习框架的AI for Science套件，目前已发布了v0.1版本，包含物理信息神经网络(PINN)以及数据驱动的傅里叶神经算子学习方法（FNO），解决传统数值计算方法维度灾难以及计算慢的问题，旨在服务科学创新、支持大规模科学计算与工程问题，应用于智能制造、工程计算、材料科学、生命医药等应用场景。
在底层核心框架层面，飞桨通过支持高阶自动微分，包含Jacobian/Hessian/傅里叶变换等科学计算API，来支持快速求解高阶偏微分方程。在套件层面，PaddleScience提供泛化的微分方程接口，如Navier-Stokes equation，并提供计算流体力学领域的方腔流、达西流等简单算例。科学探索路漫漫而修远兮，我们希望通过特殊兴趣小组的形式，召集一些志同道合的小伙伴们，一起来完成框架开发、套件模型算法共建、论文复现等工作，一起挑战最前沿的AI+Science技术研发与科研创新，聚焦科研创新与业务应用落地，从而帮助更多的开发者在后续套件的使用上降低使用工具的难度。
PPSIG-PaddleScience期待凝聚更多力量，只要你热爱Coding、认可开源理念、并愿意为PaddleScience的发展贡献你想法和代码，我们真诚期待你的加入，共同书写AI for Science的新篇章。
PPSIG-PaddleScience围绕科学计算方法进行持续性的研究、开发与优化工作，结合AI的方法基于飞桨框架进行功能或应用的开发，并配合项目落地打造各个学科及工程领域新方法。PaddleScience期待有探索和创新精神的你，加入我们，致力于将AI真正赋能于科研和产业，引领科学计算走向新的变革。
1. 航空航天、工业智能制造等场景的方程反演问题；
4. 分子动力学模拟在生物蛋白分子以及能源材料的应用；5. AI+科学计算任务在超算以及GPU等大规模硬件集群上的高性能计算和分布式并行；6. AI+科学计算高阶自动微分、编译器等功能补齐、性能调优。1. 对AI+科学计算有浓厚的兴趣，想在此进行更多的拓展；
2. 在流体力学、气动力学、分子动力学、能源材料等各种领域有相应专业知识；3. 对AI及深度学习有了解，对代码实现有一定的工程能力；5. 在承担小组任务中有责任心，并有积极探索未知的心态。协作平台：小组将通过GitHub Issue维护需求池，推动方案设计，并使用GitHub项目开发进度。PPSIG-PaddleScience小组成员基本信息以及最新项目进展也会在PPSIG-PaddleScience仓库同步更新。
沟通机制：组内成员采用微信进行日常沟通，通过小组讨论会的形式，进行源码阅读、项目进展同步、技术方案探讨、复盘疑难问题等活动。PPSIG-Science小组内将开展技术分享及代码评审活动，鼓励组内成员之间相互学习进步、交流切磋，共同探索硬核的前沿技术。同时，组内也将提供技术培训与指导，帮助开发经验较少的成员提升代码编写水平与解决问题的能力。所有贡献者均可在所贡献的技术文章或代码文件中永久署名，并获得由社区赠予的纪念礼物，贡献者将被记录在文档中并向全社区公开。对于优秀贡献者，其工作成果、成员风采将以专题采访、特邀演讲等形式在飞桨社区内传播。PPSIG-Science欢迎你为项目的发展做出贡献，贡献形式包括但不限于撰写技术文章、完善项目文档、修复Bug或开发新功能等。
真诚期待你的加入！感兴趣的小伙伴请点击“阅读原文”填写申请表单，后续将有工作人员联系您。关注公众号，获取更多技术内容~