清华大学高琪瑞:基于云端视觉计算建设全球先进的工科实验教学平台

本文涉及的产品
轻量应用服务器 2vCPU 4GiB,适用于搭建容器环境
轻量应用服务器 2vCPU 4GiB,适用于搭建Web应用/小程序
轻量应用服务器 2vCPU 4GiB,适用于网站搭建
简介: 利用阿里云的云端视觉计算解决方案,清华大学动力工程及工程热物理国家级实验教学中心建设了虚拟仿真工科实验教学平台。本篇内容通过阐述视觉计算在工科实验教学中的应用、全球先进的工科实验教学平台建设等方面内容,总结出基于视觉计算和云的教育模式是工科实验教学发展的必然趋势。

10月19日,2021年云栖大会“数字孪生&Cloud XR技术助力产研创新”分论坛上,清华大学能源与动力工程系高工、实验室主任高琪瑞老师进行了题为《基于云端视觉计算建设全球先进的工科实验教学平台》的演讲。以下为演讲实录:


本次演讲主要介绍我们基于阿里云和视觉计算建设了一个全球先进的工科教学实验系统。第一部分介绍视觉计算在工科教学、实验教学当中的应用情况,第二部分是向大家介绍现在做的全球先进的仿真实验教学平台。


image001.jpg

图:高琪瑞主任在云栖大会现场演讲


视觉计算在工科实验教学中的应用


传统工科实验教学的四大问题


实验教学在高校的教学当中起非常重要的作用。我们过去自行设计了具有复杂系统的教学实验,这些实验是我们通过对各种理论知识的理解、融合,利用理论知识去分析工业界现象所设计的。比如,我自己设计了一个电厂仿真实验,电厂非常复杂,通过这个实验,学生理论知识得以融会贯通,工程能力得到提升,同时对塑造学生的人格、精神起了非常大的作用。


高校实验的实践环节方面存在的问题主要是:

  • 一是高标准实验实验条件不具备,做不到
  • 二是高成本实验实验条件不充分,做不好
  • 三是高危险实验实验条件不允许,做不了
  • 四是高复杂性实验实验条件不满足,做不上


这些因素,导致很多实验没办法进行,在实验室根本没法做,去现场也做不了,受到安全、生产各种各样的限制。这是现有的传统教学实验存在的问题。


而这个问题,实际上教育部早就意识到了,在2012年教育部发文提示高校实践环节的教学很薄弱,要求加强。教育部要求从思想上、技术、方式上多个方向进创新。2013年开始建设高校国家级虚拟仿真实验中心、国家级示范虚拟仿真试验项目,后来有了高校的虚拟仿真一流课程、精品课程,而今年上半年开始试点虚拟仿真教研室。


视觉计算在工科实验教学中的优势


传统实验方式存在问题,我们尝试利用视觉计算的方式加以解决。利用视觉计算进行虚拟仿真的优势在于:


一是不受现有实验教学条件限制。过去受条件的限制,现在可以克服了,解决了传统的受限;

二是突破学习时间空间条件限制。过去在教学实验当中是固定的场所、固定的时间,这受限很大的;

三是抽象的教学内容直观展示。在传统教学过程当中有一些抽象的理论,老师教起来很费劲,学生理解起来很费劲。

四是教学内容可依所需延伸或压缩


视觉计算在工科实验教学中应用


基于视觉计算进行虚拟仿真实验系统具有想象性、沉浸感和交互性的特点,能够给学生增加很大的自由度。过去想做,但是出于安全、空间等因素导致学生做不了;现在利用虚拟仿真,可以增加学生的自由度、专注度和反馈度。


image003.png


这几年,教育部和各家高校在这方面做了不少工作:2013年建设国家级的虚拟仿真实验教学中心,高校主要负责建设单一的虚拟仿真实验课程、建设线下虚拟仿真实验教学中心。2017年开始建设示范性虚拟仿真实验教学项目,尝试通过线上模式向社会开放的。2018年开始,就开始大规模建设。2019年,教育部开始评选一流课程,并建了统一的平台,所有上平台的项目都必须在一定时限内免费向社会开放。2021年开始建设虚拟仿真教研室。


image005.png


据统计,截止到2020年,目前全国有300家国家级的虚拟仿真实验中心,728门国家级的虚拟仿真教学一流课程,虚拟仿真教学项目有3000多个。2020年春季教育部仿真平台总访问量达到2300万次。


虽然取得了一定成绩,但本地视觉计算仿真实验在现有工科实验教学中也存在问题:


1.资源分配不均。建设的资源主要集中在沿海或者北京、上海经济比较发达的地方,中西部尤其是西部地区资源相对来说没有或者很少;

2.运行终端比较单一。主要建在高校的实验室里面,设备、系统允许容易出现卡顿,甚至有时候出现宕机的现象;

3.设备场所固定维护问题多


全球先进的工科实验教学平台建设

image007.png


这几年,我们能看到,云端的算力在飞速发展。英伟达GTC 2021的数据统计显示,在5年的时间里面,从P100到A100,GPU的算力,也就是视觉计算的运行速率提升13倍。而基于云端视觉计算优势,有着众多优势,包括加载时间短、运行速度快、支持多终端和多场景等


image008.png


我们认为,在这种算力猛增的背景下,未来互联网+教育甚至智能+教育是主要发展趋势,基于视觉计算和云的教育模式则是工科实验教学发展的必然趋势


可以看到,云端视觉计算有三大支撑技术:存储、网络和计算的虚拟化,为高校虚拟仿真实验系统的建设提供强大的支撑。


image010.png


基于此,清华大学动力工程及工程热物理国家级实验教学中心做了一些工作,2014年我们建设了虚拟仿真示范中心;2016年我们开始将一些国家级科研成果转化为教学资源,用于做实验;2018年获评国家级虚拟仿真实验项目。


现在,我们正在建设全球先进的工科实验教学平台,这个平台有三部分:服务平台、运营平台、计算平台,计算平台由阿里云提供,运营平台由平行云提供。高校主要做服务平台这部分。


image012.png


目前,这个工科实验教学平台已经应用到我们学校校内的9个专业16门课32项实验项目,每年有700多个学生学习,年实验总数达到2万多个学时。


大家可以点击视频连接,通过这个视频感受一下学生是如何使用我们这个平台的。平台的加载速度很快,学生在课堂上使用电脑或者Pad即可体验实验,或者用VR眼镜感受实景。学习十分灵活。


因此,我们相信,基于视觉计算和云的教育模式是工科实验教学发展的必然趋势。然而,从产业发展数据来看,在金融、零售、文娱等7个行业中,教育行业应用云的指数仍然是低于平均指数。我们相信,未来在这方面,还有很多工作我们要继续努力。


image014.png


相关文章
|
存储 安全 对象存储
手把手教你搭建阿里云图床(PicGo+Typora+阿里云OSS),新手小白一看就会
本文详细介绍了怎样帮助新手小白从注册,购买阿里云OSS,到一步一步配置OSS做为图床,和PicGo、Typora软件连接,配置好关联之后,在使用Typora写文章时,如果需要插入图片,只需要将图片复制粘贴到Typora的编辑区域,就会自动通过PicGo上传到指定图床,自动复制外网能访问的URL并展示,简直不要太方便,极大的解决了编辑文章时复制处理图片链接的痛点。
10631 15
手把手教你搭建阿里云图床(PicGo+Typora+阿里云OSS),新手小白一看就会
|
Ubuntu 测试技术 Linux
百度搜索:蓝易云【Ubuntu系统打RT实时内核补丁教程】
现在,你已经成功在Ubuntu系统上打上RT实时内核补丁,并且系统将使用RT内核运行,提供更好的实时性能。请注意,内核编译和替换是一项复杂的操作,建议在实施前备份重要数据,并在测试环境中进行验证。
258 2
|
运维 监控 Cloud Native
|
7月前
|
机器学习/深度学习 存储 算法
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
本文系统讲解从基本强化学习方法到高级技术(如PPO、A3C、PlaNet等)的实现原理与编码过程,旨在通过理论结合代码的方式,构建对强化学习算法的全面理解。
1936 10
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
|
Nacos
Nacos常见问题之无法注册如何解决
Nacos是一款易于使用的动态服务发现、配置管理和服务管理平台,针对不同版本可能出现的兼容性和功能问题,本汇总贴心整理了用户在使用Nacos时可能遇到的版本相关问题及答案,以便用户能够更顺畅地进行服务治理和配置管理。
3095 2
|
存储 人工智能 缓存
官宣开源|阿里云与清华大学共建AI大模型推理项目Mooncake
2024年6月,国内优质大模型应用月之暗面Kimi与清华大学MADSys实验室(Machine Learning, AI, Big Data Systems Lab)联合发布了以 KVCache 为中心的大模型推理架构 Mooncake。
|
Java Maven
Java系列之:GroupId和ArtifactId的作用
这篇文章解释了在Maven项目中`GroupId`和`ArtifactId`的含义和作用,其中`GroupId`通常由域和自定义域名组成,用于区分组织或公司,而`ArtifactId`是项目或模块的名称,两者结合用于唯一标识项目包,确保不会与他人的项目包重复。
|
Java 编译器 Spring
面试突击78:@Autowired 和 @Resource 有什么区别?
面试突击78:@Autowired 和 @Resource 有什么区别?
16302 6
|
存储 边缘计算 安全
阿里云全球基础设施展示,公共云地域、边缘节点、超级数据中心分布图
本文为大家介绍了阿里云在2024年的全球基础设施布局,包括公共云地域、边缘节点、超级数据中心等各个阶段和方面。阿里云基础设施已覆盖全球四大洲,拥有30个公共云地域和89个可用区,以及超过3200个边缘节点,为其用户提供了广泛且深入的服务覆盖。
阿里云全球基础设施展示,公共云地域、边缘节点、超级数据中心分布图
|
机器学习/深度学习 数据采集 数据挖掘
Python实现循环神经网络RNN-LSTM回归模型项目实战(股票价格预测)
Python实现循环神经网络RNN-LSTM回归模型项目实战(股票价格预测)

热门文章

最新文章