來自俄羅斯的聲音：尋求中俄兩國科學領域的協同發展

《中國科學報》記者計紅梅

9月24日至26日，2024 CCF全國高性能計算學術年會（CCF HPC China 2024）在湖北省武漢市舉行。俄羅斯科學院院士、馬爾丘克數值數學研究所所長葉夫根尼·季爾季什尼科夫（Evgeny Tyrtyshnikov）參加了本次年會。

據悉，葉夫根尼·季爾季什尼科夫曾于去年獲得了俄羅斯最大商業銀行——俄羅斯儲蓄銀行（Sber）頒發的科學獎。會議前夕，《中國科學報》記者采訪了季爾季什尼科夫以及Sber科學獎組委會成員——Sber副總裁、研究與創新部門負責人艾伯特·埃菲莫夫（Albert Efimov）。在專訪中，季爾季什尼科夫表示，他此次參會一方面是來學習和了解一些前沿信息，另一方面也希望分享俄羅斯在高性能計算（High Performance Computing，HPC）和人工智能（AI）方面的成果，加強與中國同行的交流與合作。埃菲莫夫則表示，希望能夠在高性能計算和人工智能領域尋找到中國和俄羅斯科學家都感興趣并愿意為之努力的方向，深化彼此間的合作。

數學可以為HPC做什么，為人工智能帶來什么？

季爾季什尼科夫的主要研究領域是線性代數、矩陣方法及其應用，這些領域影了大量涉及復雜計算的應用問題。這些似乎是“簡單的科學”，大學生們通常由此開始數學學習，這些領域中的問題似乎都已經解決了，但實際上并不是這樣。季爾季什尼科夫舉例說：“想象一下，你需要解一個線性方程組，其中未知數和方程的數量為10的83次方，等同于宇宙中的總原子數量。如何才能做到這一點呢？事實證明，在大學里線性代數學得再好也沒有用，借助經典方法，這種‘天文數字’的問題看似毫無解決的希望。”

季爾季什尼科夫表示，其研究的主要目標是幫助現代超級計算機用其特殊的數量較小的參數表示來取代“天文數字般大”的數據數組，并提供基于這些表示的高效計算算法。這是對某種通用計算范例的實現的研究，它補充了經典線性代數計算的成熟模型。

隨著科學技術的發展，越來越多的領域需要進行大規模、高復雜度的計算，如天氣預測、生物信息分析、物理和水動力模擬等。HPC作為解決這些計算問題的關鍵技術，越來越受到人們的關注。這其中，旨在最大限度地利用計算資源、提高計算效率的高效算法和軟件，以及能夠執行多個任務或操作的并行計算方法，成為發展HPC的重中之重。而這也正是季爾季什尼科夫為數學和HPC找到的“結合點”。

葉夫根尼·季爾季什尼科夫
俄羅斯科學院院士，物理學與數學博士
俄羅斯科學院馬爾丘克數值數學研究所所長

他介紹說，早在1980年，俄羅斯科學家馬爾丘克院士就提出“將算法映射到計算機系統的體系結構上”這一重要思路。在他之后，研究HPC高效算法和并行計算技術的俄羅斯科學家越來越多，并為此在國內外舉辦了很多研討會，積極探索解決辦法。2023年，季爾季什尼科夫獲得Sber科學獎。談及獲獎理由，季爾季什尼科夫坦言，這主要是由于他對矩陣和張量方法發展所做出的貢獻，特別是因為他發明了“張量火車”(Tensor Trains，TT)。“ 這些方法可以解決那些甚至超出了現代超級計算機處理能力的問題。其關鍵思想是使用特殊模型來表示基于低秩矩陣的多維數組（張量）。”如今，這一方法已經得到包括中國機構在內的全球數十個甚至數百個研究團隊使用。

他介紹說，其中一個成就是訓練此類模型的有效方法，允許通過極少量的數組元素獲得模型參數。緊湊數據表示模型必須具有一個重要的屬性，即除了數據壓縮之外，還需要高效、可靠的算法來計算該模型的格式。此外，他成功組建了一支由年輕研究人員組成的強大團隊。正是在計算數學研究所，該團隊在2009 年開發出一個非常成功的多維矩陣低參數表示模型 – 一個張量火車。我們使用英文縮寫 TT（Tensor Train，張量火車）來表示這個模型。

“在張量火車的情況下，我們有一個驚人的算法，其性質類似于使用著名的奇異值分解（SVD）算法獲得近似值。其計算復雜度依賴于‘車’的大小，線性依賴于數組的維數，同時保證了對近似精度的良好估計。一個特殊的成就是基于數組元素近似構造張量火車的交叉算法，數組元素的數量與其元素總數相比可以忽略不計。”季爾季什尼科夫說。

目前，有關此類方法的數學理論獲得了積極的發展，同時其實際應用在過去15年來也表現出了驚人的效率。在此基礎上，他們成功構建了一種用于全局優化的新型啟發式算法，該算法與遺傳算法相比具有相當的競爭力，在某些情況下甚至更有效，例如在新藥研發過程中解決“對接”（docking）問題。

季爾季什尼科夫認為，神經網絡與函數論和近似論中非常深奧的數學問題有關。安德烈·柯爾莫哥洛夫求得了希爾伯特第13問題之解的著名研究可以被認為是現代神經網絡的先驅。這項研究證明了任何多變量的連續函數都是通過一個變量的函數和加法的組合來實現的。隨后，人們證明了一個變量的函數可以通過將自變量乘以一個因子和一個移位，從一個單一函數中獲得。目前，已經出現了基于柯爾莫哥洛夫此項研究思想建立起來的神經網絡。它們的潛力仍有待更詳細的研究。同時，他認為人工智能方法的廣泛工程應用與數學之間存在明顯的差距，數學將真正幫助工程師進行開發。沒有數學理論可以令人信服地解釋為什么一種或另一種架構（例如在大型語言模型中）比另一種架構更好或更差。

那么，人工智能方法給數學帶來了什么直接影響呢？季爾季什尼科夫解釋說：“人工智能方法被用于解決數學物理問題，例如，優化整個過程的各個要素。在我看來，這些方法將有助于解決將算法映射到計算系統架構的問題。現在更準確地談論這些方法的地位還為時過早。”

產研合作助力前沿科技發展

近年來，HPC和AI的結合正迅速改變著科學研究和創新領域。人工智能，尤其是以ChatGPT為代表的生成式人工智能（Generative AI）的發展，更是對HPC提出了更高的要求，也成為其重要的應用領域之一。Sber副總裁艾伯特·埃菲莫夫是該公司研究與創新部門負責人，并創辦了其機器人實驗室。他對高性能計算與人工智能及機器人發展之間的互動與促進有著深入的洞察。

在專訪中，埃菲莫夫首先介紹了Sber科學獎。該獎項共包括四大類別，即“物理類”，涵蓋了物理學、化學、天文學、地球科學、技術科學；“生命科學類”，涵蓋了生物學、醫學和農業科學；“數字宇宙類”，涵蓋了數學、計算機科學、信息學；以及“人工智能科學類”，專門頒發給35歲以下的年輕科研人員，旨在表彰他們在人工智能領域的杰出成就。

艾伯特·埃菲莫夫
Sber副總裁、研究與創新部門負責人

在談及Sber決定設立科學獎的初衷時，埃菲莫夫表示，Sber目前已經成為俄羅斯最大的科技公司，其競爭優勢是基于研發對科技領域進行投資。Sber非常清楚如何進行應用研究并創造有用的技術和產品，但對一家商業公司來說，始終存在一個難題，即如何支持基礎科學研究？“我們設立Sber科學獎的初衷就是為了支持基礎科學研究。” 埃菲莫夫說。

Sber科學獎有兩大主要特點。首先，它授予在科學研究中開辟新視野的科學家。其次，這一獎項在科學界有絕對的權威性。“這兩大特點使得Sber科學獎成為年輕科學家和整個俄羅斯科學界在創造全新突破性解決方案，并在此基礎上創造新技術方面的一個標桿。”埃菲莫夫說。

那么，未來這一獎項有沒有可能進入國際舞臺？對此，埃菲莫夫表示當然可以，但他也認為這并不容易。例如，需要確定俄羅斯和中國科學家都感興趣和認為有用的領域。在他看來，其中一個領域就是人工智能的研究。

作為俄羅斯目前最大的科技公司，Sber產出了諸多科技成果，涉及人工智能、高性能計算等多個方面。在人工智能領域，Sber開展了幾十個不同的項目，應用了很多前沿科技，包括生成式人工智能等。埃菲莫夫舉了三個例子：第一是Sber的生成式人工智能模型系統。Sber將之稱為“GigaChat”。這個系統可以允許用戶處理文本、圖像和其他類型的數據。第二個例子是Sber的 神經網絡“Kandinsky”（康定斯基）。該模型允許客戶通過文本描述生成圖像和視頻，同時該模型還支持中文。第三個例子是一個氣候模型。由于全球變暖已經成為目前世界面臨的主要威脅，因此基于AI技術創建了一個氣候模型，能夠預測氣候風險。

Kandinsky生成的圖片

之所以有如此多的產出，埃菲莫夫介紹說，是因為Sber有兩大研發機制。其一是內部機制，由Sber自有的實驗室組成，涉及從人工智能、機器人到量子計算、區塊鏈等多個研究領域。其二是外部機制。Sber與俄羅斯國內7所最大且最負盛名的大學的人工智能中心均有合作，與幾乎所有Sber重視的領域名列前茅的科學家都建立了聯系。“ 這為我們在基礎應用科學領域加強俄羅斯和中國的合作提供了獨特的機會。”

在埃菲莫夫看來，當下，機器人技術和AI以兩種方式聯系在一起。首先，AI可用的數據幾乎已經耗盡。未來大模型數據只能通過與物理世界的交互才能獲得。因此，機器人技術為AI在物理世界中交互和學習提供了機會。其次，AI使機器人能夠做出更聰明的決策，從而使機器人成為人類可靠和安全的助手。“在復雜而動態的環境中，只有人工智能才能幫助機器人為人類執行有用的功能。”他說。

積極尋求與中國同行的合作

季爾季什尼科夫至今還記得，1998年，他首次應邀訪問香港，并結識了許多同行和朋友，也曾訪問過多所大學。“關于張量火車的首批論文之一正是在香港浸會大學以預印本的形式公布的，我在那里的計算數學研究所工作了幾年。”

他對《中國科學報》記者表示，“我很高興地看到，我們最初在各種研討會和學術會議上談論的想法現在已經傳播得如此廣泛。”今年11月，季爾季什尼科夫所在的研究所還將在深圳北理莫斯科大學舉辦一個研討會，主題是數學和數據科學中的張量方法，期間還將舉辦一個國際會議，邀請多位該領域的杰出專家參加。

談及未來與中國同行的合作，他認為，未來他們在教育和科學方面有許多可以深入合作的領域。其中就包括人工智能方法在計算數學問題中的應用，尤其是線性和多線性代數，以及它們在超級計算機上的算法應用。

“尋找一種能夠為人工智能的工程應用帶來真正好處的數學理論是科學發展的一個重要課題。雖然我還很難肯定地說這樣的理論一定會出現，但我相信展開相關的探索一定會對數學的發展做出重大貢獻！”季爾季什尼科夫說。

埃菲莫夫也告訴記者，他們與中國多家學術機構展開了合作。同時，俄羅斯科學家還經常來中國參加不同的學術會議，與中國大學及其他合作伙伴交流經驗、相互學習。“與此同時，我們還與中國同行們多次舉辦會議，討論俄羅斯和中國同行都很關注的重點發展領域。”埃菲莫夫說。

（本文圖片均由受訪者提供）