# 计算工程导论
**Repository Path**: mthreadsacademy/computational-engineering-intro
## Basic Information
- **Project Name**: 计算工程导论
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 1
- **Forks**: 1
- **Created**: 2026-08-19
- **Last Updated**: 2026-08-22
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 摩尔线程AI计算工程系列课程
计算工程导论
Introduction to Computational Engineering
## 💡 项目背景
《摩尔线程AI计算工程系列课程之计算工程导论》是一门面向高校教师、课程负责人和跨学科教学人员的 4 学时开源导论课程,由摩尔线程开发者社区与高校合作建设。本课程旨在帮助学习者把千行百业中的真实问题转化为可表示、可计算、可验证、可实施、可交付的工程任务,并组织 AI、模型、算力和其他计算方法,在现实约束下形成可信结果与工程交付。
本课程不以某个单一 AI 工具、模型或编程语言为中心,而是训练一套可以迁移到不同学科的方法:先定义任务,再选择计算方法;先设计验证器,再扩大计算规模;先明确预算与边界,再组织工程实施与现实交付。
> **课程版本**:v0.1
> **建议课时**:4 学时
> **课程形态**:讲授、案例、课堂练习与最小课程项目
> **实践基础**:摩尔线程全功能 GPU 及其软硬件技术栈
## 🎯 课程目标
完成本课程后,学习者应能够:
1. 解释计算工程的基本思想及其与单纯使用 AI 工具的区别。
2. 区分现实愿望、研究问题和可计算任务。
3. 使用任务建模画布描述对象、边界、输入、输出、表示、计算路径、验证器和预算。
4. 区分计算结果、验证证据和边界清晰的工程结论。
5. 判断任务处于可表示、可计算、可验证、可实施或可交付的哪个阶段。
6. 为一个小型任务设计最小验证闭环。
7. 把计算工程的通用骨架迁移到自己的学科和课程中。
## 📚 课程目录
| 学时 | 教学主题 | 核心内容 | 课堂产出 | 讲义 |
| :---: | :--- | :--- | :--- | :---: |
| **第1学时** | **为什么需要计算工程** | 现实愿望、研究问题与可计算任务
AI 计算结果为什么不能直接等同于工程交付 | 区分愿望表达、研究问题和可计算任务 | [📖 讲义](./lectures/01-为什么需要计算工程.md) |
| **第2学时** | **可计算任务建模** | 对象、边界、输入输出、表示方式
计算路径、验证器、预算与失败样本 | 一页任务建模画布 | [📖 讲义](./lectures/02-可计算任务建模.md) |
| **第3学时** | **AI计算结果与验证闭环** | 计算结果、证据与工程结论
规则、数据、实验、专家和运行验证器 | 一个最小验证器设计 | [📖 讲义](./lectures/03-AI生成与验证闭环.md) |
| **第4学时** | **学科迁移与课程共创** | 通用骨架与学科变量
案例、数据、验证器和课程项目迁移 | 一个可执行的课程改写计划 | [📖 讲义](./lectures/04-学科迁移与课程共创.md) |
## 📖 课程内容概览
### 第1学时:为什么需要计算工程
从“AI 能生成,为什么还不能直接交付”切入,识别现实愿望、研究问题和可计算任务之间的差异。学习者将理解:程序能够运行、模型能够输出结果,并不自动意味着问题已经解决。
### 第2学时:可计算任务建模
把真实问题转化为对象、边界、输入、输出、表示方式、计算路径、验证器和计算预算明确的任务。通过任务建模画布,训练学习者在开始计算前先完成问题定义和验收设计。
### 第3学时:AI计算结果与验证闭环
区分计算结果、验证证据和工程结论,学习如何根据任务类型选择规则验证、数据验证、实验验证、专家验证或运行验证,并把失败证据反馈到下一轮任务、数据、模型和工程实现。
### 第4学时:学科迁移与课程共创
识别计算工程课程中应保留的通用骨架,以及需要由领域教师替换的学科问题、对象、数据、表示和验证方式。通过 Fork、改写和 Issue/PR,逐步形成可用于本学科教学的课程版本。
## 🧭 核心方法
### 完整计算工程链路
```text
千行百业的真实问题
→ 可计算任务
→ AI 模型或其他计算方法
→ 训练 / 推理 / 仿真 / 优化
→ GPU、算力与 AI Infra
→ 工程实施约束
→ 领域验证、现实行动与交付
↺ 失败证据反馈到任务、数据、模型和工程实现
```
### 五级成熟度
```text
可表示 → 可计算 → 可验证 → 可实施 → 可交付
```
| 阶段 | 核心判断 |
| :---: | :--- |
| **可表示** | 现实对象、状态、变量和关系能否被计算系统表达? |
| **可计算** | 输入、输出、计算路径和资源条件是否明确并可执行? |
| **可验证** | 结果能否通过规则、数据、实验、专家或运行证据检验? |
| **可实施** | 方案能否在成本、性能、稳定性、安全和组织条件下运行? |
| **可交付** | 结果能否被领域使用者验收,并转化为现实行动或持续服务? |
反馈迭代不是第六级,而是横贯五个阶段的机制。生成式任务的初始输出可以称为“候选”;预测、分类、排序、仿真、优化和控制等任务,应使用与任务类型相匹配的结果定义。
### 课程体系位置
本导论负责讲清问题如何进入计算,以及如何定义任务、组织计算、建立验证和说明边界。它为后续技术课程提供方法和接口,但不提前替代后续技术实训。
| 层次 | 本导论关注点 | 后续课程接口 |
| :--- | :--- | :--- |
| **应用 / 问题层** | 真实问题、领域对象、目标与边界 | 计算工程在具身、生物制造等行业的应用 |
| **AI / 模型层** | 计算路径、结果类型与验证要求 | 大模型训练与推理、领域模型 |
| **GPU / 算力 / AI Infra层** | 算力如何支撑计算任务 | MUSA 编程、训推框架、引擎和开发环境 |
| **工程实施约束** | 成本、性能、稳定性、安全和交付 | 算子优化、性能工程、部署与系统优化 |
本课不要求学习者完成大模型训练、MUSA Kernel 编程、算子优化或真实行业系统部署,但要求为这些环节留下清晰的任务、数据、验证标准和工程约束接口。
## 🛠️ 课程资源
### 快速开始
#### 教师使用
1. 阅读[课程说明](./lectures/00-课程说明.md),了解课程目标、课时安排和教学边界。
2. 使用[课程课件 PDF](./slides/计算工程导论-4学时-v0.1.pdf)完成整体讲授。
3. 参考[教师讲稿](./lectures/计算工程导论-教师讲稿.md)组织课堂提问和讨论。
4. 从[课堂练习](./exercises/)中选择练习,配合[任务建模画布](./assets/任务建模画布-template.md)使用。
5. Fork 本仓库,将案例、数据、验证器和课程项目替换为本学科内容。
#### 学习者使用
1. 阅读[计算工程导论讲义](./lectures/计算工程导论-讲义.md)。
2. 完成[识别不可计算问题](./exercises/课堂练习-识别不可计算问题.md)。
3. 填写[任务建模画布](./exercises/课堂练习-任务建模画布.md)。
4. 设计一个[最小验证器](./exercises/课堂练习-验证器设计.md)。
5. 完成[最小可验证任务](./exercises/课程项目-最小可验证任务.md)。
### 教学材料
| 类型 | 内容 | 地址 |
| :---: | :--- | :---: |
| **课程说明** | 课程定位、课时结构和教学建议 | [📄 查看](./lectures/00-课程说明.md) |
| **完整讲义** | 供学习者连续阅读的课程文本 | [📄 查看](./lectures/计算工程导论-讲义.md) |
| **教师讲稿** | 授课提示、课堂提问和组织建议 | [📄 查看](./lectures/计算工程导论-教师讲稿.md) |
| **课程课件** | 31 页正式授课课件 | [📥 PDF](./slides/计算工程导论-4学时-v0.1.pdf) |
| **课堂练习** | 任务识别、任务建模和验证器设计 | [📁 目录](./exercises/) |
| **教学模板** | 任务建模、验证闭环和学科迁移模板 | [📁 目录](./assets/) |
| **作业材料** | 学生作业版画布和完整诊断案例 | [📁 目录](./assignments/) |
| **跨学科案例** | 材料、机器人、管理和教学反馈案例 | [📁 目录](./examples/) |
| **设计准则** | 教学转化和课件设计原则 | [📄 查看](./course-design/计算工程定义的教学转化与课件设计准则.md) |
仓库提供便于浏览和分发的 PDF 课件。PPTX 源文件包含视频素材、体积较大,不纳入 Git 仓库;需要编辑版课件时,请联系课程维护团队。
### 教师如何迁移到自己的学科
```text
Fork 原始课程
→ 替换一个学科案例
→ 改写一个课堂练习
→ 增加一个验证器
→ 收集学生作业与失败样本
→ 提交 Issue / Pull Request
```
迁移时优先替换本学科的典型问题和领域对象、学习者实际可获得的数据或实验材料、本学科认可的验证方式,以及学习者能够在 1 到 2 周内完成的最小项目。建议保留“问题 → 任务 → 计算 → 验证 → 工程约束 → 交付”的通用骨架。
### 仓库结构
```text
computational-engineering-intro/
├── README.md # 课程入口
├── lectures/ # 课程说明、4 学时讲义和教师讲稿
├── slides/ # 对外发布的 PDF 课件
├── exercises/ # 课堂练习和课程项目
├── assets/ # 可复用教学模板
├── assignments/ # 学生作业版和完整案例
├── examples/ # 跨学科示例
├── course-design/ # 教学转化与课件设计准则
└── releases/ # 版本说明
```
### 参考资源
- [摩尔线程开发者社区](https://developer.mthreads.com)
- [MUSA 官方文档](https://developer.mthreads.com/docs)
- [MUSA 从入门到精通](https://gitee.com/mthreadsacademy/musa-from-beginner-to-mastery)
## 🙏 免责声明
本课程内容来自课程建设团队的教学实践、摩尔线程官方文档及开发者社区积累,仅供教学和研究参考。课程中的方法、案例和结论均需结合具体学科、数据、验证标准和工程环境重新检验。如有问题,欢迎提交 Issue 或 Pull Request。
本课程用于公益教学与课程共创。正式复用、改编或对外分发前,请以仓库后续发布的 LICENSE 文件为准;当前版本尚未声明标准开源许可证。
## 🤝 欢迎贡献
本课程目前仍在持续建设中,欢迎高校教师、科研人员和工程师基于真实教学实践参与共创。提交 Issue 或 Pull Request 时,建议说明:
- 使用学科和课程场景;
- 学习者基础与课时条件;
- 替换或新增的案例、数据和验证器;
- 课堂效果、失败样本及相关证据;
- 当前成果处于五级成熟度的哪个阶段;
- 后续改进计划。
## ❤️ 贡献者列表
**《计算工程导论》课程开发团队**:
- 摩尔线程开发者社区:课程设计团队、技术专家团队
- 高校合作教师团队
- 课程共创者与社区贡献者
感谢所有参与课程设计、内容编写、案例建设、课堂验证和反馈迭代的教师、工程师与学习者!
## 🌟 支持课程
如果本课程对你的教学或研究有所帮助,欢迎 Star、Fork,并通过 Issue 或 Pull Request 分享真实使用反馈。