cann-robotfeature: add PID basis GEMM fit operators

mat-chem-sim-pred

项目简介

本仓库为基于华为 CANN（Ascend C）计算框架开发的化工行业专用算子库，聚焦科学计算与预测优化两大方向。通过高性能算子加速分子模拟、材料性质预测、反应路径优化、工艺过程建模等核心任务，为化工研发、智能制造及材料创新提供高效计算能力支撑。

核心定位：构建"模拟 → 数据 → 预测 → 设计 → 优化"的全链路化工 AI 算子体系。

仓库结构

mat-chem-sim-pred/
├── simulation/                              # 科学计算方向
│   ├── MaterialPropertyPrediction/          # 材料性质预测与材料结构生成
│   │   └── DAO/                             #   PyTorch 基础算子库
│   ├── AI4MD/                               # 机器学习分子动力学
│   │   ├── Lennard_Jones/                   #   LJ 力场算子 ✅
│   │   ├── GAFF2/                           #   GAFF2 力场算子 ✅
│   │   ├── PME/                             #   PME 静电算子 ✅
│   │   ├── SHAKE/                           #   SHAKE 约束算子 ✅
│   │   ├── velocity-verlet/                 #   Velocity Verlet 积分 ✅
│   │   └── Dissipative_particle_dynamics/   #   DPD 耗散粒子动力学 ✅
│   └── AI4PDE/                              # AI for PDE
│       ├── pinn/                            #   PINN 算子 ✅
│       ├── fno/                             #   FNO 算子 ✅
│       ├── deeponet/                        #   DeepONet 算子 ✅
│       └── pde_common/                      #   公共工具模块
├── prediction/                              # 预测优化方向
│   ├── SmallData/                           # 小数据预测优化模型
│   │   ├── kernels.py                       #   GP 核函数参考实现 🔧
│   │   └── gpr.py                           #   GP 回归 + BO 参考实现 🔧
│   └── ProcessControl/                      # 工业过程控制与 PID 整定算子
│       └── PIDModelFit/                     #   FOPDT/IPDT/SOPDT 模型辨识算子 ✅
├── template/                                # 算子贡献模板
│   ├── algorithm.md                         #   算法说明模板
│   ├── references.md                        #   参考文献模板
│   ├── operator_example.md                  #   算子代码框架模板
│   └── test_architecture.md                 #   测试架构模板
├── roadmap.md                               # 开发路线图
├── FAQ.md                                   # 常见问题
└── AGENTS.md                                # 开发辅助规则

重点关注领域

科学计算

子方向	状态	目标	关键算子/模型类型
材料性质预测与结构生成	🔧 PyTorch 参考	基于第一性原理数据构建材料性质快速预测与逆向生成能力	晶体图神经网络、材料描述符计算、晶体结构生成模型、相图预测等
机器学习分子动力学	✅ Ascend C 就绪	以 ML 势替代经典力场，实现 DFT 精度下的大体系长时间 MD 模拟	DeepMD/SchNet/MACE 推理算子、描述符在线计算、D3 色散校正等
AI for PDE	✅ Ascend C 就绪	用 AI 方法加速或替代传统 PDE 求解器，覆盖流体/传热/结构力学	PINN/FNO/DeepONet 推理算子等

预测优化

子方向	状态	目标	关键算子/模型类型
小数据预测优化模型	🔧 PyTorch 参考	解决标记数据稀少的化工场景，聚焦小样本/主动学习/贝叶斯优化	高斯过程回归、贝叶斯神经网络、贝叶斯优化、度量学习等
工业过程控制模型辨识	✅ Ascend C 就绪	面向 PID 整定、自整定与数字孪生场景，加速多回路、多候选过程模型辨识	FOPDT、IPDT、SOPDT basis-GEMM fit 算子

✅ Ascend C 就绪 = 已完成 Ascend C 算子开发，含完整测试 | 🔧 PyTorch 参考 = 提供 PyTorch 参考实现，可作为 Ascend C 迁移基础

详细算子规划请参见 roadmap.md。

贡献模板

为降低新算子贡献门槛，仓库提供了标准模板，位于 template/ 目录：

模板	说明
algorithm.md	算法说明文档模板 —— 涵盖算法原理、NPU 实现、精度与性能分析
references.md	参考文献模板 —— 分类整理基础理论、硬件实现、领域应用和第三方实现
operator_example.md	算子示例模板 —— 目录结构、Host/Kernel 代码框架、构建配置
test_architecture.md	测试架构模板 —— C++ UT、Python 集成测试、性能基准测试规范

维护团队

Maintainer列表

Committer列表

参考资源

为帮助开发者学习 Ascend C 算子开发，建议参考以下 CANN 官方仓库（可 clone 到本地 Reference/ 目录，该目录不参与版本管理）：

基础数学库

仓库	说明
opbase	Ascend C 算子开发基础库，提供通用宏、接口与工具
ops-math	数学运算算子库（Element-wise、Reduction 等）
ops-blas	BLAS 线性代数算子库（MatMul、Gemm 等）
ops-fft	傅里叶变换算子库
ops-sparse	稀疏计算算子库
ops-tensor	张量操作算子库（Reshape、Slice、Concat 等）
ops-nn	神经网络算子库（Conv、Pool、Activation 等）
ops-rand	随机数生成算子库

开发标准与调试工具

仓库	说明
cann-learning-hub	CANN 学习中心，含教程、示例与最佳实践
oam-tools	算子开发调试与性能分析工具集
ops-test-kit	算子测试套件，用例生成与结果分析
pypto	PyTorch 算子自动迁移工具（PyTorch → Ascend C）

AI Kernel 生成参考

仓库	说明
cann-bench	CANN 性能基准测试与 Benchmark
cannbot-skills	CANN 开发辅助 Skills 与自动化工具
cann-samples	Ascend C 算子开发完整示例集

仓库	说明
cann-ops-competitions	CANN 算子竞赛参赛作品集
asnumpy	NumPy 兼容 API，方便从 NumPy 迁移到 Ascend
ascend-boost-comm	Ascend Boost 通信库

快速上手

环境要求

CANN ≥ 7.0
Atlas A2/A3 训练/推理卡
CMake ≥ 3.16

许可证

本仓库以生态繁荣为目标，选取 Apache 2.0 许可证。

算子贡献指南

详情参考公告算子贡献指南 1.0

提交流程：

Fork 仓库 → 开发测试 → 提交 PR → SIG Review → 合入