本站訊（通訊員 上官萌萌）近日，由我校數學科學學院和數學與交叉科學研究院聯合舉辦的“2024 AI4S Forum: Scientific Computing, Inverse Problems and Applications”學術會議在天津師范大學召開。會議由華東師范大學羊丹平教授以及美國南卡羅來納大學王奇教授共同擔任大會主席。校黨委常委、副校長白學軍出席開幕式并致辭，上海交通大學金石教授，挪威研究中心臺雪成教授，中國科學院張波研究員、周濤研究員、賈偉樂研究員、張一研究員，北京大學董彬教授，西安交通大學孟德宇教授，中國科技大學陳景潤教授，天津大學趙志堅教授、張勇教授，南開大學孫文昌教授、胡廣輝教授、吳春林教授，北京理工大學邊麗蘅教授，北京師范大學段玉萍教授，深圳大學、深圳中達瑞和科技有限公司梁正平教授以及天津來高科技有限公司總經理魏兵等包括世界數學家大會報告人、國家級人才在內的近二十位專家參會。會議由數學科學學院及數學與交叉科學研究院院長常慧賓主持。
開幕式上，副校長白學軍與王奇教授分別發表了熱情洋溢的開幕辭。白學軍對各位專家學者的到來表示熱烈歡迎和衷心感謝，他回顧了天津師范大學的悠久辦學歷史，特別是作為天津百年師范教育傳承者的輝煌歷程，以及近年來學校在各方面取得的顯著成就。他對數學科學學院在科研和人才培養方面取得的優異成績給予高度評價，強調了AI for Science作為新興研究方向的重要性，希望本次論壇在促進學術交流與合作方面發揮重要作用，大力推動我校數學學科和交叉研究院的高質量建設。
10位專家學者受邀在論壇上作大會報告，分別介紹了AI4S相關領域的最新研究成果及進展。
挪威研究中心臺雪成教授以《PottsMGNet: A Mathematical Explanation of Encoder-Decoder Based Neural Networks》為題作報告。他介紹了PottsMGNet，這是一種基于多重網格方法的算子分裂方案，用于求解Potts模型，架構與編碼器—解碼器網絡相同，并展示了一種新的演化方程混合分裂方法，證明了UNet正是一種解決某些控制問題的混合分裂方案。
北京大學董彬教授以《PDEformer: Towards a Foundation Model for Solving Parametric PDEs and Beyond》為題作報告。他展示了在設計和訓練一個名為PDEformer的基礎模型方面的工作，該模型旨在作為一個靈活高效的求解器，解決一系列參數PDE問題。其設計旨在適應需要重復求解PDE的應用，在這些應用中尋求效率和準確性之間的平衡。
中國科學院張波教授以《基于深度學習的反演算法：某些最新進展》為題作報告。他回顧了基于深度學習反演算法的一些最新進展，重點介紹了基于可學習正則化框架的反演算法，總結了基于深度學習反演算法的優缺點，并展望其未來的發展方向。
中國科學院周濤研究員以《Deep learning for very high dimensional quasi-linear partial differential equations and stochastic optimal controls》為題作報告。他介紹了一種有效的鞅神經網SOC MartNe的無導數版本，用于求解高維HJB方程和具有漂移和波動控制的隨機最優控制問題，該方法消除了對計算時間和空間導數的自動微分的依賴。
北京理工大學邊麗蘅教授以《時空高分辨的寬帶高光譜成像傳感器》為題作報告。他介紹了一種片上計算光譜成像架構，并基于此架構成功研制了百通道百萬像素高光譜實時成像器件。該器件僅重數十克，工作波段覆蓋了可見光和近紅外超寬波段，具有國際領先的時-空-譜分辨率和光能利用率，已成功應用于糖分檢測、血氧檢測、水質檢測、紡織物分類、遙感探測等。
上海交通大學金石教授以《Random Batch Methods for interacting particle systems and molecular dynamics》為題作報告。他展示了為具有大量粒子的經典相互作用粒子系統開發的隨機批處理方法。對于其中一種方法，給出了在某些特殊相互作用下與粒子數無關的誤差估計。在埃瓦爾德求和的框架下，該方法也擴展到具有庫侖相互作用的分子動力學。
天津大學趙志堅教授以《人工智能算法在計算催化反應工程中的應用》為題作報告。他展示了以“計算催化反應工程”為研究主線，以密度泛函理論計算為基礎，結合遺傳算法、神經網絡等人工智能算法，以低計算成本實現“工況”條件下模擬工業催化過程，指導高活性、高選擇性工業催化劑的開發，發展了包括Pt基、Cu基催化劑在內的丙烷脫氫制丙烯、CO2電還原等一系列新型高效催化劑。
中國科學技術大學陳景潤教授以《Machine learning-based methods for PDEs: The issue of condition number》為題作報告。他從傳統數值方法中的條件數的角度討論了幾種基于機器學習的求解偏微分方程的方法：深度混合殘差法、表征參數空間中解質量的粗糙度指數、多重網格方法中基于算子學習的粗網格平滑器以及隨機特征方法的魯棒預處理策略。
西安交通大學孟德宇教授以《MLR-SNet(Meta-LR-Schedule-Net):Transferable LR Schedules for Heterogeneous Tasks》為題作報告。為了解決學習率調度設置問題，他介紹了用一個顯式的映射公式（稱為MLR-SNet）對LR調度進行參數化，并將元學習的MLR-SNet轉移到查詢任務中，如不同的訓練時期、網絡架構、數據模式、訓練數據集大小等，實現了很好的性能。
中國科學院賈偉樂研究員以《科學智能驅動的微觀尺度模擬初探》為題作報告。他展示了高性能計算與人工智能方法結合用于微觀科學計算領域的工作，包括利用高性能計算用于高精度的數據產生、科學智能的大規模并行訓練和HPC+AI在第一性原理精度分子動力學大規模模擬的工作，并總結了這個領域目前面臨的挑戰。
本次論壇聚焦于AI for Science（AI4S）與科學計算領域，深入探索了AI技術在計算方法、反問題及成像領域，以及材料科學、光學等廣泛交叉科學領域的創新應用，旨在促進AI4S與計算科學及其交叉領域最新研究成果的交流與碰撞，深化國內外學者之間的合作，共同推動我校數學與交叉科學研究院，特別是AI4S中心的建設與發展，為該研究領域的學者提供良好的研討交流平臺、促進學術信息共享、加強橫向合作。下一步，數學與交叉科學研究院將繼續致力推動數學與人工智能、物理、材料科學等學科的深度交叉融合，實質性支撐我校交叉學科中心建設，為學校的建設與發展貢獻力量。
攝影：夏然
編輯：張麥玲
師大要聞