报告时间：2024年6月7日（星期五）10:30-11:30

报告地点：翡翠科教楼B1710

报告人：赵晓飞 教授

工作单位：武汉大学

举办单位：数学学院

报告简介：

报告将首先回顾现有基于深度神经网络求解微分方程的几类机器学习方法，它们基本都是从方程到优化，而第一型原理通常可直接给出优化问题。基于此，我们将介绍两类基于归一化深度网络的算法，分别应用于薛定谔方程的稳态求解与波动方程的初终值问题上，旨在规避方程得到从物理到优化的直接实现。

报告人简介：

赵晓飞，武汉大学教授。2010年本科毕业于北京师范大学，2014年博士毕业于新加坡国立大学，之后在法国INRIA从事博士后研究，2019年入选国家青年人才计划并入职武汉大学。赵晓飞博士的研究兴趣为色散类与动理学模型的数值计算方法与误差分析，相关成果发表在Mathematics of Computation,Journal of Computational Physics及SIAM系列期刊。