科学计算应用：当我把自己逼疯，电脑还在优雅地解方程
昨晚上又通宵了。不是打游戏，是盯着那堆偏微分方程的解发呆。说实话，做科学计算这行，时间久了你会产生一种错觉——仿佛电脑才是那个通晓宇宙秘密的家伙，而你只是个手忙脚乱给它递数据的助手。
但它也经常给你惊喜。比如上周，一个我以为至少要跑三天的分子动力学模拟，换了个算法，居然四个小时就出结果了。结果跳出来的时候，我差点把手边的咖啡打翻——那种冲击感，怎么说呢，就像你以为要挖穿地球才能找到宝藏，结果一铲子下去就碰到箱盖。
蛋白质分子对接虚拟筛选示意图
这个场景其实挺魔幻的。你知道实验室里合成一个化合物再测活性，周期是按周算的，而且动不动就失败。但是把同样的工作交给基于物理模型的分子模拟，你可能一个下午就能筛掉99%的无效分子。这里面的核心技术，就是求解原子间的力场方程，每一个原子的受力、速度、位置，都在纳秒级别的时间步长里反复更新。我的那台工作站，RTX 4090 跑起来的时候显存经常吃到二十多个G，风扇狂转，冬天不用开暖气——而它干的事情，不过是在计算几百个氨基酸残基怎么扭来扭去。
但你不能只靠蛮力。算法优化才是灵魂。比如长程静电相互作用的处理，以前老老实实算两两距离，复杂度是O(N²)，稍微大点的体系直接跪。后来有了PME（Particle Mesh Ewald），把点电荷映射到网格上用FFT加速，效率直接飞跃。说实话，我第一次看懂那个把离散电荷插值到格点再把势能导回来的数学技巧时，心里蹦出两个字：优雅。真的优雅。
这些计算的价值不用多解释了吧。新冠那会儿，很多研究机构就是用类似的方法，快速从老药库里筛出了可能有效的候选分子。虽然最后成药还要走很长的路，但科学计算把盲目试错变成了理性筛选，这一点已经没什么争议了。
全球数值天气预报模型网格图
现在的全球天气模式，本质上是把大气层切成一堆三维网格，然后在每个格点上求解流体力学和热力学方程组。这个过程需要处理的变量巨多：温度、气压、湿度、风速......而且你得同时考虑太阳辐射、地形摩擦、相变潜热——说实话，任何一个环节参数化得不好，预报就跟现实分道扬镳。我有个同学在气象局，他们升级一次模型，光是调那些云微物理方案的参数就要花好几个月。
但进步也是肉眼可见的。现在的ECMWF（欧洲中期天气预报中心）能做到七天预报的准确率跟几十年前的三天预报差不多。靠的是什么？更高的分辨率、更好的资料同化技术、还有更暴力的算力。据说他们最新的预报系统用了数十万个CPU核心，每秒钟浮点运算次数上亿亿。有时候我会想，要是洛伦兹老爷子活到现在，看到蝴蝶效应能被这么密集的观测网和集合预报捕捉，他会不会有一丝欣慰，或者觉得我们这帮后人太执拗了。
不过准吗？其实还是会有翻车的时候。去年夏天我计划去爬山，前一周看还是晴好，临出发变暴雨了。我也只能叹口气——非线性系统的可预报性上限毕竟摆在那。但换个角度，正因为大气混沌，我们才需要不断往里叠计算资源，去抓那条飘忽不定的确定性尾巴。这个博弈，挺酷的。
芯片光刻衍射效应仿真图
还有热仿真。芯片内部几亿个晶体管同时开关，发热集中点可能导致局部温度飙升，直接烧毁。以前还能靠经验加散热片，现在不行了，必须做计算流体动力学（CFD）模拟，分析芯片封装内部的空气流动和热量传导。甚至还要耦合结构力学，因为热胀冷缩会应力过大焊点断裂。这就是典型的多物理场耦合问题，方程组耦合起来，解一次恨不得让你头发掉一半。
不过话说回来，正因为这些仿真的存在，我们才能把芯片做得越来越小，性能越来越高。没这些科学计算应用，摩尔定律早就成阴间定律了。
写到这里，我瞟了一眼旁边还在运行的仿真进度条——98%。今天应该能赶上晚饭。说实话，干这行久了，心跳频率早跟进度条同步了。有时候我会想，我们不过是把自然界的规律翻译成矩阵和向量，扔给计算机，然后它用超越人脑的速度去反演出一个世界。而我们就站在旁边，等着被那个结果震惊，或者打击，或者感动。
对了，昨晚那个通宵最终是值得的。凌晨四点，屏幕上那条收敛曲线终于平平地趴了下去，残差降到了10的负八次方。我盯着那个结果看了很久，忽然想起本科时一个教授说过的话：“科学计算的本质，不是我们教会电脑什么，而是借助电脑，我们学会自然原本就在那里、但我们看不清的东西。” 现在想想，还真有点道理。
算出来的蛋白质：从图形卡到救命的药
说起分子动力学，可能在很多人的印象里，这东西还停留在科学家们用超算算着玩儿的阶段。不过话说回来，这几年真的不一样了。前阵子跟一个在药企做研发的朋友聊天，他告诉我现在他们筛药物，第一步根本不是进实验室，而是先在电脑上把几百万个小分子跟靶点蛋白“对接”一遍。蛋白质分子对接虚拟筛选示意图
这个场景其实挺魔幻的。你知道实验室里合成一个化合物再测活性，周期是按周算的，而且动不动就失败。但是把同样的工作交给基于物理模型的分子模拟，你可能一个下午就能筛掉99%的无效分子。这里面的核心技术，就是求解原子间的力场方程，每一个原子的受力、速度、位置，都在纳秒级别的时间步长里反复更新。我的那台工作站，RTX 4090 跑起来的时候显存经常吃到二十多个G，风扇狂转，冬天不用开暖气——而它干的事情，不过是在计算几百个氨基酸残基怎么扭来扭去。
但你不能只靠蛮力。算法优化才是灵魂。比如长程静电相互作用的处理，以前老老实实算两两距离，复杂度是O(N²)，稍微大点的体系直接跪。后来有了PME（Particle Mesh Ewald），把点电荷映射到网格上用FFT加速，效率直接飞跃。说实话，我第一次看懂那个把离散电荷插值到格点再把势能导回来的数学技巧时，心里蹦出两个字：优雅。真的优雅。
这些计算的价值不用多解释了吧。新冠那会儿，很多研究机构就是用类似的方法，快速从老药库里筛出了可能有效的候选分子。虽然最后成药还要走很长的路，但科学计算把盲目试错变成了理性筛选，这一点已经没什么争议了。
天气预报到底有多准？蝴蝶的翅膀和超级计算机的叹息
说到混沌，有个挺老的梗——一只蝴蝶在巴西扇动翅膀，可能会在德州引起龙卷风。这就是洛伦兹在60年代跑大气对流模型时偶然发现的。对，就是那个忘掉初始值里一个微小尾数，结果却演化出完全不同的天气图景的故事。 我第一次听这个故事的时候觉得特浪漫。但等我自己开始碰数值天气预报的代码，就只剩头疼了。全球数值天气预报模型网格图
现在的全球天气模式，本质上是把大气层切成一堆三维网格，然后在每个格点上求解流体力学和热力学方程组。这个过程需要处理的变量巨多：温度、气压、湿度、风速......而且你得同时考虑太阳辐射、地形摩擦、相变潜热——说实话，任何一个环节参数化得不好，预报就跟现实分道扬镳。我有个同学在气象局，他们升级一次模型，光是调那些云微物理方案的参数就要花好几个月。
但进步也是肉眼可见的。现在的ECMWF（欧洲中期天气预报中心）能做到七天预报的准确率跟几十年前的三天预报差不多。靠的是什么？更高的分辨率、更好的资料同化技术、还有更暴力的算力。据说他们最新的预报系统用了数十万个CPU核心，每秒钟浮点运算次数上亿亿。有时候我会想，要是洛伦兹老爷子活到现在，看到蝴蝶效应能被这么密集的观测网和集合预报捕捉，他会不会有一丝欣慰，或者觉得我们这帮后人太执拗了。
不过准吗？其实还是会有翻车的时候。去年夏天我计划去爬山，前一周看还是晴好，临出发变暴雨了。我也只能叹口气——非线性系统的可预报性上限毕竟摆在那。但换个角度，正因为大气混沌，我们才需要不断往里叠计算资源，去抓那条飘忽不定的确定性尾巴。这个博弈，挺酷的。
设计芯片也需要“算命”？
或许你会觉得科学计算离硬件很远，其实芯片设计本身就是科学计算的重灾区。不信？你打开一颗现代CPU的设计流程，里面至少一半以上的时间不是在画电路，而是在跑仿真。 我记得当初参观一个集成电路设计公司，他们给我演示了计算光刻的过程。简单说，光刻机把掩模版上的图案投影到硅片上，但因为光的衍射效应，你画一个矩形，刻出来可能是个圆角、甚至变形到认不出。于是必须反向计算：想要得到某个形状，掩膜上该画什么奇怪的图案？这背后就是求解麦克斯韦方程组的逆问题。巨复杂，一次仿真可能要在几千个GPU上跑几个钟头。然后他们工程师跟我吐槽：你们做物理的还觉得量子力学抽象，我们这电磁仿真的矩阵比你们还大，而且每一层光刻都要算一遍。当时我就笑了——大家都觉得自己是命苦的那个。芯片光刻衍射效应仿真图
还有热仿真。芯片内部几亿个晶体管同时开关，发热集中点可能导致局部温度飙升，直接烧毁。以前还能靠经验加散热片，现在不行了，必须做计算流体动力学（CFD）模拟，分析芯片封装内部的空气流动和热量传导。甚至还要耦合结构力学，因为热胀冷缩会应力过大焊点断裂。这就是典型的多物理场耦合问题，方程组耦合起来，解一次恨不得让你头发掉一半。
不过话说回来，正因为这些仿真的存在，我们才能把芯片做得越来越小，性能越来越高。没这些科学计算应用，摩尔定律早就成阴间定律了。
写到这里，我瞟了一眼旁边还在运行的仿真进度条——98%。今天应该能赶上晚饭。说实话，干这行久了，心跳频率早跟进度条同步了。有时候我会想，我们不过是把自然界的规律翻译成矩阵和向量，扔给计算机，然后它用超越人脑的速度去反演出一个世界。而我们就站在旁边，等着被那个结果震惊，或者打击，或者感动。
对了，昨晚那个通宵最终是值得的。凌晨四点，屏幕上那条收敛曲线终于平平地趴了下去，残差降到了10的负八次方。我盯着那个结果看了很久，忽然想起本科时一个教授说过的话：“科学计算的本质，不是我们教会电脑什么，而是借助电脑，我们学会自然原本就在那里、但我们看不清的东西。” 现在想想，还真有点道理。