南丁格尔做了张“玫瑰图”，结果把士兵的死亡率从42%降到2.2%

未来的 可视化也许会脱离屏幕的限制，

真正走到我们面前，

或许你一个动作，一个眼神，

就可以进行可视化的互动。

可视化是什么？ 其实可视化离我们很近，比如堪称年度恐怖大片的支付宝账单，年年刷爆朋友圈，大家可能都被吓到过。

这是因为可视化太直观了，它们把数据转化为形象的图表，让人们一目了然、快速地获取信息 ，可 以追踪自己的饮食和消费习惯，于是人们看完就想剁手。

当然还可以复杂一些。 这是大家熟悉的excel数据表，它记录的是世界银行统计的各国GDP的历史数据 。

密密麻麻的几页，给我们一天的时间也很难发现里面有什么规律。那我们把它可视化出来看看。

可以看到各个国家不同年度的GDP值和排序变化，美国遥遥领先。总体来说，各个国家的GDP值都在增长，增长的快慢决定其排名的变化。

中国上下徘徊几次后，从1990年开始就义无反顾往上窜，势头很猛，直到2010年稳定在第二。

我们还可以跟这个图进行交互， 如果很想看看法国和中国，我们就可以选中它们，重点看它们的变化和相互关系， 可以看到中国在哪一年超越了法国。

这就是 可视化 ，把隐藏在数据中的规律化作直观的图像，让数据开口讲故事。 这里用 到的是最简单的可视化元素——柱状图。

数据的表现形式——统计图

已完成：10% / //////// /

说到柱状图，我们不得不提一个重要的人物—— 威廉·普莱费尔 ， 他是苏格兰一位非常有名的政治经济学家。

两百多年前他就意识到一个现象： 那些身居高位、业务繁忙的商人只需要关注一些统计结果 ， 根本不需要大费周折去研究具体细节。

于是 他设计出世界上第一个柱状图 。世界上第一台计算机是1946年才问世，所以这个柱状图是纯手工绘制。

上图展示了 苏格兰与其它各国的进出口贸易额。 17年后，他又再接再厉，创造了世界第一个饼图，曲线图。

这个饼图展示了土耳其帝国 当时在非洲、欧洲、亚洲所占领的土地面积 。

这个曲线图展示的是英国与北美的进出口贸易差。虽然这些是200年前绘制的图表，但这些表现形式我们到现在还经常使用，可见这位普莱费尔的伟大。

这张图很像盛开的玫瑰，它有一个美丽的名字——玫瑰图。

故事发生在1855年，克里米亚战争期间，英军伤亡惨重。

当时一个叫 南丁格尔的战地护士 ， 她通过搜集数据， 发现很大部分死亡原因其实并非是“战死沙场”，而是 因为在战场外感染了疾病，或是在战场上受伤， 却没有得到适当的护理。

于是，她设计了这个玫瑰图，把圆分成12分，代表十二个月。

蓝色面积表示死于感染的士兵，红色表示死于战场的重伤， 灰色表示其它原因。很明显，蓝色区域的面积明显远大于其他区域，这张图一目了然地揭示了战士死亡的真正原因。

南丁格尔把这份结果呈现给军队和维多利亚女王 ，促成了世界第一座战地医院的建立。

也正因为有了战地医院及时的医治与护理， 死亡率从42%减低到2.2% ，可以说这张图挽救了很多战士的生命，这也足以证明可视化对信息传递的重要性。

无论是柱状图饼图还是曲线图玫瑰图，从本质上来说，都是统计结果的可视化。 统计对分析当然很重要，但是光有统计是不够的。

图中有四组数据，每组数据都不一样。

当我们用通常的统计方法来看这个数据的时候发现， 它x轴的均值y轴均值，方差、相关性系统值都完全一样 ，看不出任何差别，很多特征信息都丢失了。

看来统计方法是不行了，那我们用 更高级的可视化方法 试一下。

我们把这些数据画出来， 就能一眼发现它们的不同，有九个点状的、有X形的、有五角星形状的，特别是第四组是一只可爱的恐龙。

很有意思， 可视化通过图像迅速吸收、消化数据并把特征信息形象的传递给我们。 可是当数据越来越大，故事越来越复杂，怎么画数据就是一个难题了 。

如果我们像刚才画恐龙那样把数据直接画出来，问题又来了，什么也看不见，所以我们需要研究新的可视化算法。

“体绘制技术”可以帮我们穿透这团迷雾。通过这种方法可以清晰地看到它是一只手，还可以透过皮肤，看到血管与骨骼。

可视化的实际应用

已完成：60% / / / / / / ////

一个天文学家给我们的140亿年宇宙演化的模拟数据，大概有90TB的数据量，我们翻一年也翻不完。

这么大的数据，这么复杂的故事，需要用到超级计算机和各种复杂的可视化算法，才能把它里面隐藏的特征信息形象的表达出来。

天文学家只能把它们画成简单能量谱的曲线。

当我们把它可视化出来的时候，跟我们合作的天文学家震惊了， 这是他们第一次可以直观地看到 自己模拟的整个宇宙及其动态演化 。

上图是这个数据的可视化结果，就是我们现在宇宙的样子。

这些星系经历了140亿年 的穿行，形成现在的各种星系团结构，这些星团之间有一些丝状结构的连接在一起，也许左下角飞过的小亮点就是我们的地球。

这个是最大的星系团，是我们银河系的一万倍，我们可以清晰地看到它的内部层次，它通过140亿年不断吞噬合并其它星系而形成了现在这样一个庞大的天体结构。

天文学家还想看看 这些大星系团是怎么一步一步演化而来的 。 于是我们可以挑出天文学家感兴趣的局部的区域。

可以看到，一开始粒子均匀分布，后来在引力的作用下，逐渐成各种不同的小团，大团直接吞噬小团 ， 两个相当的大团相互碰撞，合并最终形成一个超大的星系团。

天文学家还需要进一步分析其中的一个小的星系团，想看看它们在这场大的演化运动中，怎么由小小的几个星系团合并。

我们可以看到， 刚开始，慢慢形成几个小团，然后合并，之后几度险些被冲散，最终有惊无险顽强地合并在一起。

有了可视化， 天文学家不费吹灰之力，就有了一台指哪打哪的望远镜，而且还可以穿越历史。

当然要实现这些， 我们突破了一系列关键技术，从数据组织与压缩、并行与GPU加速绘制、色调映射、所见即所得的时序分析及特征结构挖掘 等一系列算法来做支撑。

黑洞也是天文学家特别关心的问题。

我们都知道黑洞无限制吞噬吸收周围的物质，实际上在这个过程中也会产生高速的喷流。

2013年欧洲XMM牛顿太空望远镜发现了黑洞会喷射重金属流的现象。这些现象的背后的具体机制是个不解之谜，也是天文界的重大科学问题。

如果想要研究这个问题，首先需要用计算机来模拟这个现象。

中科院上海天文台的科学家们想要进一步研究它的机理。 但是模拟的结果对不对，模型算法合不合理，没有标准去验证。

同时，对于粒子是怎么进入黑洞，他们内部也有不同的看法。

所以他们找到我们，问我们有没有什么办法让他们直观看看数据，来验证他们的方法。

我们为他们定制了这样一个可视化的工具， 帮助他们直观地分析数据，看看物质是怎么进入黑洞，以什么样的轨迹进入黑洞，有没有物质喷射出来，如何喷射出来。

采用轨迹线的方法，手动在他们感兴趣的区域撒点，就像我们在河里撒一些泡沫以观察河流的缓急。

我们可以清楚到看到粒子是怎么运动的，在哪儿开始被吞噬，正如科学家期待的那样，这里确实有物质喷出。

我们都知道 洋流对海洋航运，气候、地理环境都有很重要的影响 。 可是面对茫茫的大海，观测资料很少，科学家迫切需要清楚地看到整个海洋的洋流情况。

直到有了卫星， 有了超级计算机之后，我们才得到了更准确高精度的模拟数据。

将这些数据可视化可以让科学家直观地看到上图的画面，这对科学家来说是非常关键的，因为他们能清楚地看到 洋流的速度、方向、温度变化情况。

比如说图中这些涡和流，它们的相互作用但对科学家来说意义重大。

通过可视化我们甚至还可以观测海洋污染， 比如石油泄漏，潜水艇可以更加安全地航行。

我们经常遇到雾霾天，可能你们没有从这个角度来看过雾霾。

这是中国局部地形图，红色代表北京，黄色代表武汉，中间就是雾霾，不同的颜色代表不同浓度，底层像河流一样的代表大气的风场。

通过这样的可视化，科学家从这里可以看到雾霾是怎么在风场和地理环境的影响下，从北京传输到武汉的。

这对他们理解雾霾的传输过程很重要， 可以更好地揭示不同地区间雾霾发生的相互关系。

我们不仅帮助大气学家来寻找雾霾来源，也在辅助物理学家去寻找清洁能源。

核能就是一种清洁能源，但是核废料却对环境有污染，处理核废料，国际上最有效的方法，就是利用ADS嬗变系统。

它可以用核废料发电，还能解决核辐射问题。

中科院近代物理所牵头研究这一技术，以上是他们委托我们做的嬗变系统的可视化。

这些粒子正在直接加速器上冲刺，下方条状图显示，一开始，粒子团变化巨大，在加速过程中慢慢趋向稳定。

管道中，红色和蓝色的椎体是不同的磁极，这些磁极的强度与分布，还有粒子的初始速度，都是可以调节的。

科学家可以直观地看到这些数值调节以后的效果。

目前，该研究工作已成功结题，正转化为国家大科学装置，准备开工建设。

最后说说大家都熟悉的高铁。

其实， 高铁投入生产之前，科学家需要做很多工作。比如， 为了以最少能量获取最高的速度，我们需要让尾部的涡旋尽可能地小，这样行驶过程中的阻力更小。

我们要从 高铁尾部产生的海量流线里， 帮助科学家找到最感兴趣的尾部涡旋，也就是大家看到视频当中运动的曲线。

在这个过程中， 科学家通过可视化，可以看到不同参数情况下涡旋的大小变化，就可以辅助高铁的设计优化。

未来的可视化会是什么样子呢？

可视化也许会脱离屏幕的限制，真正走到我们面前， 或许你一个动作，一个眼神，就可以进行可视化的互动，就跟现在科幻电影里的场景一样。

我相信，这一天很快就会到来。