人工智能基础技术发展与应用分享
郭宇飞高级工程师
本课程面向从事网格生成、几何处理、智能CAE仿真领域的教师、学生、相关从业者和企业同行开设。课程旨在帮助学员了解AI赋能几何处理、AI智能网格生成的主流原理与代表性方法，理解AI几何缺陷识别、AI网格剖分、AI网格优化的核心技术体系，掌握智能体驱动全自动网格生成的前沿实践方案与技术挑战，同时具备快速研读和跟进几何人工智能、智能网格生成领域最新论文的能力。
航天科工集团智能科技研究院
高级工程师
讲者简介：郭宇飞，高级工程师，中国航天科工集团智能科技研究院智能感认知研究室副主任，从事先进智能计算理论及应用研究，关注智能技术航天创新应用方向，以第一作者或通讯作者在CVPR、ICCV、ECCV、NeurIPS、ICML、AAAI等顶会或TPAMI、PR、TMM等SCI一区期刊发表论文40余篇，论文引用2500余次，入选中国科协青年托举人才，获中国地理信息科技进步奖一等奖、中国仿真学会自然科学二等奖（1/5），中国图像图形学会自然科学二等奖（2/5），航天科工集团科技进步奖二等奖（2/10）。
课程摘要：人工智能正加速融入科学研究与产业实践，由单一任务走向通用的跃迁，理解其底层技术脉络已成为把握智能时代的基础。本次报告沿着从神经网络、深度学习到大模型的演进路径，系统梳理人工智能技术的发展脉络，启发智能方法在网格生成与优化中的应用思路。报告以智能技术发展脉络讲解为主线，帮助学员建立人工智能发展的整体总览，理解各类方法的适用边界。
中国科学院自动化研究所
副研究员
讲者简介：全卫泽，中国科学院自动化研究所副研究员，主要从事可视媒体生成、AI+CAD方面的研究。目前已在ACM TOG、IJCV、IEEE TIP、SIGGRAPH等期刊和会议发表论文40余篇，其中三篇一作论文单篇引用100+。主持国自然面上/青年等项目；主持/参与多项企业委托项目，部分成果应用于华为、腾讯、蔚来等企业。获得GDC 2025最佳论文奖、2023年度“陆增镛CAD&CG高科技奖”。担任国际期刊The Visual Computer编委，VRIH期刊青年编委。
课程摘要：边界表示（BRep）是计算机辅助设计（CAD）中描述三维实体几何与拓扑结构的核心表示形式，为产品设计、工程分析与智能制造提供重要支撑。随着人工智能与几何建模技术的深度融合，BRep模型的智能理解、自动生成与灵活编辑正成为智能CAD领域的重要研究方向。然而，BRep模型复杂的几何拓扑结构及严格的设计约束，为其智能建模与可靠编辑带来了诸多挑战。本课程围绕BRep模型的理解、生成与编辑三个方面，介绍人工智能与几何建模技术融合的研究进展及关键方法。
国防科技大学计算机学院
助理研究员
讲者简介：陈新海，国防科技大学计算机学院助理研究员，天河高性能计算机应用团队青年骨干，高端装备数字化湖南省重点实验室智能科学计算方向负责人，湖南省“芙蓉计划”青年人才、国防科技大学高层次创新人才，主要从事高性能计算、AI for Science 前沿领域研究。主持国自科、国家重点研发计划子课题、省自科、军队创新团队课题、军队青年项目、国防科技重点实验室项目 6 项，参与国家/军队重点项目10余项，以第一/通信作者在NeurlPS、AAAI、ICML、TVCG、CAD、NN、TACO、JPDC等期刊会议发表学术论文 50余篇（近五年被引超千次），出版专著 1部，发明专利/软著 20余项，获深圳市科技进步二等奖1项，中国超算年度最佳应用提名奖3项。
课程摘要：网格技术是连接几何模型与数值方法的桥梁，直接影响计算流体力学数值模拟的精度与效率。针对传统网格生成流程中劳动密集和计算密集的问题，开展了智能网格生成探索与实践，通过发展新物理模型与算法、建设开源数据样本库，突破了无监督高效结构网格生成、自动网格质量判别和智能网格优化等关键技术，并搭建科学计算智能体平台YH-AI4Sci LLM。报告将以团队在智能网格生成方面的探索与实践为基础，重点介绍相关算法的原理和思路。
北京工商大学计算机与人工智能学院
教授、执行院长
讲者简介：李海生，男，工学博士，教授，博士生导师。现任北京工商大学计算机与人工智能学院执行院长，商业数据安全防护与智能治理北京市重点实验室主任，中国图学学会第八届理事会常务理事，中国人工智能学会智能服务专业委员会副主任委员，中国仿真学会人工智能仿真技术专业委员会副主任委员，中国计算机学会杰出会员。主持国家自然科学基金联合基金重点项目、面上项目、国家数值风洞工程公开招标项目、军民融合慧眼行动项目、北京市自然科学基金等。作为主要完成人参加的“任意限定带权优化Delaunay三角网格生成技术”2003年获北京市科技进步奖。2021年获中国图学学会优秀科技工作者奖。发表学术论文100余篇。授权发明专利多项。
课程摘要：网格生成是将连续物理求解域离散为单元集合，为有限体积、有限元、有限差分等数值仿真提供离散空间，是 CFD、CAE、计算电磁、数值模拟的前置关键步骤。网格生成与网格质量评估两个环节往往需要大量的时间成本和人工成本，且较为依赖专家经验。本报告主要介绍团队在智能化网格生成算法、数据驱动的网格质量评估方面的相关工作。基于物理信息神经网络、强化学习、认知计算、联邦学习等新兴技术，研究新型智能计算模型和算法，提升智能网格生成与质量评估框架在不同应用场景下的泛化能力与扩展能力。
上海格宇软件有限公司
网格算法工程师
讲者简介：曹杰，博士毕业于大连理工大学工业装备结构分析国家重点实验室，师从关振群教授与单菊林研究员，研究方向为网格生成算法与工程科学计算软件研制。参与了上海格宇高性能通用网格生成引擎 ArcherMesh 的开发工作，持续深耕工业级网格生成技术，在 CAD/CAE 前处理、体网格/面网格算法、网格质量评估及软件工程化方面积累了丰富的研发与产品落地经验。
课程摘要：工业 CAE 网格生成软件通常以本地预编译 C/C++ 库的形式交付，大模型虽然懂网格剖分知识，却无法直接驱动这些本地算力；同时，剖分参数多达数百个、散落在文档中，人工查阅易错、AI 也难以检索。本课程以自主网格生成软件 ArcherMesh 为例，简单介绍如何通过 MCP（Model Context Protocol）把本地网格生成 C 库封装为 AI 可直接调用的服务：包括"客户端—工具层—ctypes 绑定层—原生库"的四层架构设计、Python 环境搭建与 DLL 加载、C 函数绑定与错误透传、工具集设计，以及如何编写绑定生成脚本，一次性将 5 组 C 头文件自动包装为 470 余个 AI 工具（全库合计 487 个工具 + 1 个资源接口）。课程还将现场演示从一句自然语言指令到完成网格剖分、质量检查与结果导出的完整流程。本课程方法不依赖改动任何 C 代码，可推广至各类本地计算库的 AI 化改造。