跨框架部署实战：CANN 如何高效运行 PaddlePaddle 与 TensorFlow 模型？

CANN 赋能科学计算：基于昇腾的分子动力学模拟与蛋白质折叠加速

CANN 赋能科学计算：基于昇腾的分子动力学模拟与蛋白质折叠加速

CANN 在气候模拟中的应用：高分辨率大气模型加速实践

CANN 支持量子化学计算：Hartree-Fock 与 DFT 的 NPU 实现

摘要：CANN结合物理信息神经网络(PINNs)为解决偏微分方程(PDE)提供了新方法。相比传统有限元法等，PINNs具有无网格、支持高维和数据融合等优势。CANN平台的高精度自动微分、混合精度训练和大规模并行能力，特别适合PINNs的高阶梯度计算需求。通过Navier-Stokes方程求解案例展示了CANN在训练优化和边缘部署中的技术实现，包括动态采样、混合精度和多卡分布式训练。PINNs与传统

CANN 赋能高阶自动驾驶：构建车规级 AI 感知系统

CANN 赋能高阶自动驾驶：构建车规级 AI 感知系统

解密 CANN 编译器：ATC 如何将 ONNX 转化为高效推理图？

CANN 赋能智慧医疗：构建合规、高效、可靠的医学影像 AI 推理系统