2023-3-7

3月2日上午，由中科院数学与系统科学研究院、国家数学与交叉科学中心设立的“人工智能数学理论系列报告”迎来第二位嘉宾——微软研究院科学智能中心主管研究员孟琪。她以“神经网络算子学习中的结构化损失函数与表征”为题介绍了她所在的微软团队与马志明院士团队合作研究的相关进展。线上线下近两百位师生参加了报告会。

偏微分方程在许多学科和工程应用中扮演着重要的角色，例如物理系统的建模、计算化学、流体力学和数值天气预报等。基于偏微分方程对系统未来的演化进行预测往往需要依赖数值解法。传统数值解法在遇到高维问题、复杂边界、参数变化时，存在计算效率不高、结果不可复用等问题。另一方面，深度神经网络在高维问题建模中展现了巨大优势，使用深度神经网络进行算子的逼近和学习成为学术研究热点。孟琪在报告中介绍了将算子学习应用于随机偏微分方程加速求解的研究工作，包括应用于不可压缩Navier-Stokes方程求解的deep random vortex network，结合正则结构理论对随机偏微分方程建模与求解的DLR-Net等。

孟琪现为微软研究院科学智能中心主管研究员，2018年博士毕业于北京大学数学系，师从马志明院士。主要研究方向为机器学习理论以及机器学习在物理系统建模和求解上的应用，其研究工作于机器学习顶会ICML, NeurIPS以及期刊Journal of High Energy Physics, Physical Review E等发表30余篇。