在全球工業(yè)革命的推動(dòng)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(zhuān)業(yè)知識(shí)的數(shù)據(jù)與機(jī)器學(xué)習(xí)結(jié)合，構(gòu)建面向用戶(hù)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(guó)科學(xué)技術(shù)大學(xué)特任教授宋騏團(tuán)隊(duì)基于昇騰平臺(tái)開(kāi)發(fā)出了領(lǐng)域知識(shí)構(gòu)建框架和領(lǐng)域大模型增強(qiáng)推理框架。
該項(xiàng)目在三方面開(kāi)展了研究，并取得一系列成果。首先在構(gòu)建工業(yè)知識(shí)圖譜領(lǐng)域，面對(duì)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(wèn)題，團(tuán)隊(duì)通過(guò)融合領(lǐng)域小模型與大語(yǔ)言模型的知識(shí)增強(qiáng)命名實(shí)體識(shí)別框架，以提升對(duì)知識(shí)圖譜實(shí)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(kù)MindSpeed發(fā)揮了重要作用，它支持多維并行策略，兼容多種開(kāi)源框架，同時(shí)可靈活適配多模態(tài)數(shù)據(jù)的異構(gòu)特征。團(tuán)隊(duì)首先利用小模型進(jìn)行前端精準(zhǔn)篩選，將高質(zhì)量的初始結(jié)果輸入至大語(yǔ)言模型，大語(yǔ)言模型通過(guò)其強(qiáng)大的語(yǔ)言理解和泛化能力對(duì)實(shí)體進(jìn)行進(jìn)一步的識(shí)別與確認(rèn)。基于此融合框架完成“初始識(shí)別-知識(shí)抽取-知識(shí)引導(dǎo)反思”的三個(gè)階段，顯著提升了知識(shí)抽取的準(zhǔn)確性和泛化能力。
應(yīng)用到智能運(yùn)維系統(tǒng)開(kāi)發(fā)中，針對(duì)工業(yè)設(shè)備運(yùn)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(cè)精度不高等問(wèn)題，團(tuán)隊(duì)提出了基于多模態(tài)知識(shí)圖譜的智能運(yùn)維系統(tǒng)構(gòu)建技術(shù)路線(xiàn)。首先該系統(tǒng)采用ETL（Extract-Transform-Load）架構(gòu)對(duì)工業(yè)設(shè)備運(yùn)維過(guò)程中產(chǎn)生的多模態(tài)數(shù)據(jù)進(jìn)行統(tǒng)一處理，并對(duì)數(shù)據(jù)進(jìn)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(yǔ)義網(wǎng)技術(shù)構(gòu)建工業(yè)設(shè)備運(yùn)維場(chǎng)景下的知識(shí)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(jī)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(shí)融合為能全面反應(yīng)設(shè)備狀態(tài)的綜合特征。同時(shí)在設(shè)備運(yùn)行中會(huì)出現(xiàn)異常或者故障，團(tuán)隊(duì)也研發(fā)出故障智能預(yù)測(cè)診斷模塊，將異常數(shù)據(jù)特征與知識(shí)圖譜中的歷史故障進(jìn)行同類(lèi)對(duì)比，推理出故障類(lèi)型、嚴(yán)重程度和維修建議，最終實(shí)現(xiàn)智能運(yùn)維的全過(guò)程。
與此同時(shí)，為解決當(dāng)前領(lǐng)域知識(shí)與大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型（PLM）融合中出現(xiàn)的計(jì)算資源消耗大、靈活性差和干擾噪聲知識(shí)過(guò)多等問(wèn)題，團(tuán)隊(duì)利用昇騰強(qiáng)大的計(jì)算資源管理能力，創(chuàng)新性地提出了知識(shí)增強(qiáng)與過(guò)濾框架。在實(shí)現(xiàn)知識(shí)增強(qiáng)環(huán)節(jié)，利用PLM嵌入空間的冗余位減低計(jì)算負(fù)擔(dān)；在噪聲過(guò)濾環(huán)節(jié)，設(shè)計(jì)知識(shí)增強(qiáng)過(guò)濾器，將知識(shí)增強(qiáng)網(wǎng)絡(luò)與掩碼訓(xùn)練相結(jié)合，有效避免了噪聲知識(shí)的負(fù)面影響。在實(shí)現(xiàn)極大降低計(jì)算成本的同時(shí)，有效提高了知識(shí)增強(qiáng)的靈活性。
此科研成果構(gòu)建了一套基于昇騰平臺(tái)的工業(yè)知識(shí)增強(qiáng)大模型技術(shù)體系，不僅顯著提升工業(yè)設(shè)備智能運(yùn)維的水平和效率，還實(shí)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(lái)，中國(guó)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(tái)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(chǎng)景中實(shí)現(xiàn)落地，助力科技創(chuàng)新與實(shí)體經(jīng)濟(jì)的深度融合。
