Learning to Solve Parametric PDEs

发布时间:2023年07月06日 作者:刘圣军   阅读次数:[]

报告题目: Learning to Solve Parametric PDEs

报告人: 董彬 (北京大学)

报告时间: 2023年7月10日 (星期一) 上午10:00-12:00

报告地点: bat365官网登录245智慧教室; 线上:腾讯会议(682-687-217, 密码: 202307)

Abstract: Deep learning has emerged as the predominant approach in machine learning and has achieved remarkable success in various domains such as computer vision and natural language processing. Its influence has progressively extended to numerous research areas within the fields of science and engineering. In this presentation, I will discuss our recent endeavors, which involve the integration of insights from numerical partial differential equations (PDEs), such as the multigrid method and reduced order modeling, with machine learning techniques. The objective of our work is to develop data-driven solvers for parametric PDEs and explore their applications in the context of fluid simulations.

报告人简介:

董彬,北京大学,北京国际数学研究中心长聘教授、国际机器学习研究中心副主任、国家生物医学成像科学中心研究员,北京大学长沙计算与数字经济研究院副经理。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011-2014年在美国亚利桑那大学数学系任助理教授,2014年底入职北京大学。主要研究领域为科学计算、机器学习及其在计算成像和数据分析中的应用。现任期刊《Inverse Problems and Imaging》编委、《CSIAM Transactions on Applied Mathematics》、《Journal of Computational Mathematics》、《Journal of Machine Learning》副主编。2014年获得求是杰出青年学者奖,2022年受邀在世界数学家大会(ICM)做45分钟报告。



打印】【收藏】 【关闭