题  目: Deep learning for PDEs: deep adaptive sampling and surrogate modeling

主讲人: 唐科军 教授

单  位: 北京大学长沙计算与数字经济研究院

时  间: 11月30日14:30

腾 讯 ID:  608-682-771

密  码: 1130

摘  要： In this talk, we will show how to use adaptive sampling methods to solve high-dimensional partial differential equations(including steady-state Fokker-Planck equations and low-regularity elliptic PDEs) and use deep learning methods to solve parametric optimal control problems, in particular, we will present the deep adaptive sampling (DAS) method for solving high-dimensional partial differential equations and the adjoint-oriented neural network(AONN) method for all-at-once solutions of parametric optimal control problems.

简  介： 唐科军，北京大学长沙计算与数字经济研究院助理研究员。2021年1月博士毕业于中国科学院大学，同时也是上海科技大学的联合培养博士。2021年2月加入鹏城国家实验室从事博士后研究工作，2023年2月加入北京大学长沙计算与数字经济研究院。主要研究方向是科学计算与机器学习的交叉领域，尤其关注张量计算，深度生成模型，不确定性量化，以及微分方程与神经网络的交叉方向，他的研究成果主要发表在Journal of Computational Physics (JCP) 和 SIAM Journal on Scientific Computing (SISC) 等期刊。