Blog

LiquidTwin 面向液冷数据中心，将 CFD、机理模型和 AI 代理结合，用于液冷系统设计评估、故障诊断和运行优化。

本文梳理锂离子电池热失控建模，从低维热模型到 CFD 高保真仿真，并讨论物理 AI 数字孪生的快速预测路径。

以 DCTwin 的工程实践为例，梳理数据中心 CFD 自动化建模中的边界条件、网格加密和收敛判据设置。

介绍 CAP 组 AAAI 2026 Oral 工作：面向电池健康预测的物理信息多任务学习方法，并处理预测不确定性。

讨论 AI 驱动的数据中心热管理，比较 DRL 与 LB-MPC 的潜力，并分析真实部署中的安全、泛化和可靠性问题。

DCGPT explores how large language models can support future AI data center operations, from system understanding and monitoring to decision support.

A researcher’s view of ten data center trends in 2025, covering AI workloads, sustainability, cooling, energy use and operational automation.

介绍 MLModelCI 的模型部署流程，梳理从模型转换、服务封装到线上推理的机器学习系统实践。

介绍“强化-强化学习”训练器，将基于模型的强化学习拆分为内外两层，以降低人工调参成本并提升训练效率。