在全球工業(yè)革命的推動下，傳統(tǒng)制造業(yè)紛紛致力于智能化和數(shù)字化轉(zhuǎn)型，其關(guān)鍵在于將復(fù)雜且需專業(yè)知識的數(shù)據(jù)與機器學(xué)習(xí)結(jié)合，構(gòu)建面向用戶的高效智能系統(tǒng)。在鯤鵬昇騰科教創(chuàng)新卓越中心的算力支持下，中國科學(xué)技術(shù)大學(xué)特任教授宋騏團隊基于昇騰平臺開發(fā)出了領(lǐng)域知識構(gòu)建框架和領(lǐng)域大模型增強推理框架。

該項目在三方面開展了研究，并取得一系列成果。首先在構(gòu)建工業(yè)知識圖譜領(lǐng)域，面對工業(yè)數(shù)據(jù)存在數(shù)據(jù)特征復(fù)雜、多模態(tài)異構(gòu)的問題，團隊通過融合領(lǐng)域小模型與大語言模型的知識增強命名實體識別框架，以提升對知識圖譜實體抽取的準(zhǔn)確性與泛化能力。其中昇騰分布式訓(xùn)練加速庫MindSpeed發(fā)揮了重要作用，它支持多維并行策略，兼容多種開源框架，同時可靈活適配多模態(tài)數(shù)據(jù)的異構(gòu)特征。團隊首先利用小模型進行前端精準(zhǔn)篩選，將高質(zhì)量的初始結(jié)果輸入至大語言模型，大語言模型通過其強大的語言理解和泛化能力對實體進行進一步的識別與確認(rèn)?；诖巳诤峡蚣芡瓿?ldquo;初始識別-知識抽取-知識引導(dǎo)反思”的三個階段，顯著提升了知識抽取的準(zhǔn)確性和泛化能力。

應(yīng)用到智能運維系統(tǒng)開發(fā)中，針對工業(yè)設(shè)備運維領(lǐng)域所面臨的高人工成本、數(shù)據(jù)分析不足及預(yù)測精度不高等問題，團隊提出了基于多模態(tài)知識圖譜的智能運維系統(tǒng)構(gòu)建技術(shù)路線。首先該系統(tǒng)采用ETL(Extract-Transform-Load)架構(gòu)對工業(yè)設(shè)備運維過程中產(chǎn)生的多模態(tài)數(shù)據(jù)進行統(tǒng)一處理，并對數(shù)據(jù)進行清洗后統(tǒng)一貯存。接著，利用深入理解資源描述框架 RDF語義網(wǎng)技術(shù)構(gòu)建工業(yè)設(shè)備運維場景下的知識圖譜，清楚地展示出設(shè)備、狀態(tài)、故障之間的聯(lián)系。依托注意力機制的特征融合模型并結(jié)合Node2Vec和DeepWalk圖嵌入技術(shù)，將復(fù)雜的知識融合為能全面反應(yīng)設(shè)備狀態(tài)的綜合特征。同時在設(shè)備運行中會出現(xiàn)異?；蛘吖收?，團隊也研發(fā)出故障智能預(yù)測診斷模塊，將異常數(shù)據(jù)特征與知識圖譜中的歷史故障進行同類對比，推理出故障類型、嚴(yán)重程度和維修建議，最終實現(xiàn)智能運維的全過程。

與此同時，為解決當(dāng)前領(lǐng)域知識與大規(guī)模預(yù)訓(xùn)練語言模型(PLM)融合中出現(xiàn)的計算資源消耗大、靈活性差和干擾噪聲知識過多等問題，團隊利用昇騰強大的計算資源管理能力，創(chuàng)新性地提出了知識增強與過濾框架。在實現(xiàn)知識增強環(huán)節(jié)，利用PLM嵌入空間的冗余位減低計算負(fù)擔(dān);在噪聲過濾環(huán)節(jié)，設(shè)計知識增強過濾器，將知識增強網(wǎng)絡(luò)與掩碼訓(xùn)練相結(jié)合，有效避免了噪聲知識的負(fù)面影響。在實現(xiàn)極大降低計算成本的同時，有效提高了知識增強的靈活性。

此科研成果構(gòu)建了一套基于昇騰平臺的工業(yè)知識增強大模型技術(shù)體系，不僅顯著提升工業(yè)設(shè)備智能運維的水平和效率，還實現(xiàn)了核心技術(shù)的自主創(chuàng)新適配，融合前沿技術(shù)搭建智能系統(tǒng)，為打造安全、高效、智慧的現(xiàn)代工業(yè)體系提供關(guān)鍵技術(shù)支撐。未來，中國科學(xué)技術(shù)大學(xué) 鯤鵬昇騰科教創(chuàng)新卓越中心將基于昇騰平臺持續(xù)探索和創(chuàng)新，相關(guān)成果有望在更廣泛的工業(yè)場景中實現(xiàn)落地，助力科技創(chuàng)新與實體經(jīng)濟的深度融合。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）