|
应我校数理学院邀请，清华大学数学科学系雍稳安教授和北京雁栖湖应用数学研究院熊繁升助理研究员将来我校进行学术交流，并作学术报告。
报告人：雍稳安教授 题目：AI4Science：Learning thermodynamically stable PDEs 时间：2023年9月21日（星期四）15:00 地点：科研楼204 报告摘要：In this talk, Prof. Yong will introduce their recent works in learning PDEs for different scientific problems. Certain stability criteria will be presented for PDEs modeling several irreversible processes. The novelty is to enforce the stability in the neural networks. 报告人简介：雍稳安，清华大学长聘教授，博士生导师。1992年于德国海德堡大学取得博士学位，2005年取得德国教授资格（habilitation），其主要研究领域是偏微分方程、数值方法和非平衡态热力学。系统地建立了双曲偏微分方程松弛问题的数学理论，找到了这类问题的内在共性（Yong's stability condition）。创立了非平衡态热力学的守恒耗散理论（CDF），并成功地应用于生物、地学等领域，提出了已被实验验证的描述可压缩粘弹性流体流动的数学模型（Yong's model）。在计算流体力学方面，证明了工程上广泛使用的格子 Boltzmann 方法的稳定收敛性，并针对这种数值方法率先提出了单点边界格式（ZY method），已被广泛使用。主要结果发表在 Arch. Rational Mech. Anal., Automatica，J. Comput. Phys.，Philos. Trans. Royal Soc. A, Siam 系列等相关领域的知名国际刊物上，有些结果已被若干权威专著和教材所采纳。
报告人：熊繁升助理研究员
题目：人工智能驱动科学研究：学习和求解微分方程模型中的几个例子 时间：2023年9月21日（星期四）16:30 地点：科研楼204 报告摘要：人工智能驱动的科学研究(AI for Science)正在推动科研范式变革，这对于描述各种自然和社会现象的偏微分方程模型相关正反问题的研究产生了巨大影响。本报告的主要内容是：首先介绍基于深度神经网络(DNN)构建代理模型的方法，分享调参经验以及在地震岩石物理中的应用；然后介绍基于物理信息的神经网络(PINN)在“机器学习与微分方程”问题中的应用，展示在流体力学、地震岩石物理正反问题中的研究结果。 报告人简介：熊繁升，北京雁栖湖应用数学研究院助理研究员。于2013年和2016年分别获得中国地质大学(北京)地质工程学士和硕士学位，2020年获得清华大学应用数学博士学位；2018至2019年获得国家留学基金委资助到美国耶鲁大学进行联合培养；2020至2022年在北京应用物理与计算数学研究所从事所聘博士后研究工作；2022年6月入职北京雁栖湖应用数学研究院，研究方向主要集中于基于机器学习算法(DNN、PINN、DeepONet等)求解PDE相关的正/反问题，以及在地震岩石物理和流体力学湍流建模中的应用。以第一作者发表学术论文10余篇，相关成果发表在Journal of Geophysical Research: Solid Earth、Geophysical Journal International、Geophysics等期刊上。 研究生可记学术报告一次，欢迎广大师生参加！
数理学院 研究生院 科技处
| 
发表于 2023-9-20 10:18:12
