过去的一个多世纪以来，利用计算方法解决问题是现代工业和技术赖以生存的基础之一。但是在微尺度模型精确求解方面还远远没有达到解决实际问题的程度，其中根本原因是“维数灾难”，即随着问题维度的上升，问题求解的复杂度迅速超过了算力基础设施的能力。
AI表示高维复杂函数和处理大数据的能力为解决这一问题带来了希望。2020年借助“AI+Science”的模式，人类首次实现了以第一性原理精度进行上亿原子的分子动力学模拟。这为人类在药物设计、材料设计、化学反应预测等方面带来了新希望。“AI+Science”给了科学计算一套极具颠覆性的解决方案。这套方案也重新定义了算力的使用方式、数据的生成方式、软件的开发方式、直到实际问题的解决方式。
基于“AI+Science”的科学计算新范式的计算资源使用形式具有以下特点：
● 同一科研项目计算需求波峰波谷差距明显。如在参数探索阶段，往往需要同时起上百台实例进行不同参数的短时快速验证，而在进入到实际模型训练环节时，则仅需要少量机器的长时计算；
● 不同计算工具的最优适配硬件不同。如当需要双精度模型训练时，V100、A100等GPU加速卡就有着显著的优势；而在需要单精度模型训练或者推理时，2080Ti、T4等GPU加速卡的性价比要优于V100；在需要使用VASP、CP2K等计算工具进行第一性原理计算模拟时，CPU在性价比上反而优于GPU加速卡。
Lebesgue 深刻感受到了来自“AI+Science”对于算力形式的新需求，未来将继续紧紧从需求出发，提高自己资源整合和调度的能力，提升科研用户的使用体验。
Lebesgue 是乘着云原生的东风成长起来的，从诞生之日起，就注定了 Lebesgue 是云厂商的同路人。Lebesgue 也将继续加强同云厂商的合作，利用云上产品能力，更好服务科研用户。同时利用科学计算对算力应用的特点，提升云上资源的利用率。
Lebesgue 也在积极推进同传统超算的合作。Lebesgue 的发展并不会替代掉传统超算，相反我们认为，新的科学计算范式将对超级计算机产生更大的需求。只是像超级计算机这样高端的设备，应该让那些真正能发挥出它价值的计算模拟任务来使用，如大规模分子动力学模拟，气象模拟，超大规模分布式模型训练等工作。
相信在不久的将来，Lebesgue 将为每一位从事科学计算的老师和同学提供开箱即用、弹性扩展、高效匹配的计算模拟全生命周期的一站式解决方案。
不妨从现在起，就与我们一同打造面向新型科学计算场景的 Lebesgue 云原生科学计算平台。
