特邀美国普渡大学林光教授来校作学术报告

发布单位:数学与统计学院创建者:蔡惠华发布时间:2019-05-20浏览量:979

报告题目:Uncertainty Quantification and Deep Learning for Physical Problems

报告人:林光普渡大学教授

时间:2019年5月22日上午10:00-11:00 

地点:尚贤楼706会议室 

主持人:张建伟教授 

报告摘要:

In this talk, we will present three new data-driven, deep-learning based methods for predicting outcomes of complex nonlinear physical systems and quantifying the uncertainties in deep learning. First, we will introduce a fast probabilistic convolutional encoder-decoder network named PDE-UQ-Net for predicting the solutions of heterogeneous elliptic partial differential equations on varied domains. Unlike other approaches, PDE-UQ-Net can quantify the uncertainties in deep-learning-based prediction and allow training to be scaled to the large data sets. In addition, to predict material failure and fracture propagation, we will present a new deep neural network named Peri-Net. Finally, to efficiently predict the solutions for heterogeneous nonlinear multiphase flow problems, we will introduce a multiscale deep neural network named MS-Net. We will demonstrate the power and efficiency of the above three neural networks in solving complex physical problems by comparing with traditional methods.


报告人简介: 

林光: 普渡大学普渡大学数据科学咨询服务中心主任、数学,统计系和机械工程学院副教授。他于1997年在浙江大学获得本科学位, 并于2004年和2007年分别获得布朗大学应用数学硕士学位和博士学位。2016年, 他获得了 美国自然科学基金会教师早期职业发展奖, 以表彰他在智能电网系统不确定性量化和大数据分析方面的工作。林光还在 2 0 1 5年获得了数学生物科学研究所早期职业奖。他开发了先进的优化算法来校准复杂的全球和区域气候模型。为了这项工作, 他在2012年获得了能源部太平洋西北国家实验室颁发的 Ronald L. Brodzinski 早期职业杰出成就奖。他还获得了 2010年 ASCR 领导计算挑战奖, 以表彰他在使用高级超级计算机分析大气候数据方面所做的工作。他曾担任 SIAM 多重建模和模拟的副主编, 并在许多国际期刊的编辑委员会中任职。 2019年, 他还获得了普渡大学的大学学者奖和中级职业生涯Sigma Xi成就奖。

欢迎广大师生积极参加!

数学与统计学院

2019年5月20日