本站讯（通讯员 上官萌萌）近日，由日博best365官网数学科学学院和数学与交叉科学研究院联合举办的“2024 AI4S Forum: Scientific Computing, Inverse Problems and Applications”学术会议在天津师范大学召开。会议由华东师范大学羊丹平教授以及美国南卡罗来纳大学王奇教授共同担任大会主席。副校长白学军出席开幕式并致辞，上海交通大学金石教授，挪威研究中心台雪成教授，中国科学院张波研究员、周涛研究员、贾伟乐研究员、张一研究员，北京大学董彬教授，西安交通大学孟德宇教授，中国科技大学陈景润教授，天津大学赵志坚教授、张勇教授，南开大学孙文昌教授、胡广辉教授、吴春林教授，北京理工大学边丽蘅教授，北京师范大学段玉萍教授，深圳大学、深圳中达瑞和科技有限公司梁正平教授以及天津来高科技有限公司总经理魏兵等包括世界数学家大会报告人、国家级人才在内的近二十位专家参会。会议由数学科学学院及数学与交叉科学研究院院长常慧宾主持。

开幕式上，副校长白学军与王奇教授分别发表了热情洋溢的开幕辞。白学军对各位专家学者的到来表示热烈欢迎和衷心感谢，他回顾了天津师范大学的悠久办学历史，特别是作为天津百年师范教育传承者的辉煌历程，以及近年来学校在各方面取得的显著成就。他对数学科学学院在科研和人才培养方面取得的优异成绩给予高度评价，强调了AI for Science作为新兴研究方向的重要性，希望本次论坛在促进学术交流与合作方面发挥重要作用，大力推动日博best365官网数学学科和交叉研究院的高质量建设。

10位专家学者受邀在论坛上作大会报告，分别介绍了AI4S相关领域的最新研究成果及进展。

挪威研究中心台雪成教授以《PottsMGNet: A Mathematical Explanation of Encoder-Decoder Based Neural Networks》为题作报告。他介绍了PottsMGNet，这是一种基于多重网格方法的算子分裂方案，用于求解Potts模型，架构与编码器—解码器网络相同，并展示了一种新的演化方程混合分裂方法，证明了UNet正是一种解决某些控制问题的混合分裂方案。

北京大学董彬教授以《PDEformer: Towards a Foundation Model for Solving Parametric PDEs and Beyond》为题作报告。他展示了在设计和训练一个名为PDEformer的基础模型方面的工作，该模型旨在作为一个灵活高效的求解器，解决一系列参数PDE问题。其设计旨在适应需要重复求解PDE的应用，在这些应用中寻求效率和准确性之间的平衡。

中国科学院张波教授以《基于深度学习的反演算法：某些最新进展》为题作报告。他回顾了基于深度学习反演算法的一些最新进展，重点介绍了基于可学习正则化框架的反演算法，总结了基于深度学习反演算法的优缺点，并展望其未来的发展方向。

中国科学院周涛研究员以《Deep learning for very high dimensional quasi-linear partial differential equations and stochastic optimal controls》为题作报告。他介绍了一种有效的鞅神经网SOC MartNe的无导数版本，用于求解高维HJB方程和具有漂移和波动控制的随机最优控制问题，该方法消除了对计算时间和空间导数的自动微分的依赖。

北京理工大学边丽蘅教授以《时空高分辨的宽带高光谱成像传感器》为题作报告。他介绍了一种片上计算光谱成像架构，并基于此架构成功研制了百通道百万像素高光谱实时成像器件。该器件仅重数十克，工作波段覆盖了可见光和近红外超宽波段，具有国际领先的时-空-谱分辨率和光能利用率，已成功应用于糖分检测、血氧检测、水质检测、纺织物分类、遥感探测等。

上海交通大学金石教授以《Random Batch Methods for interacting particle systems and molecular dynamics》为题作报告。他展示了为具有大量粒子的经典相互作用粒子系统开发的随机批处理方法。对于其中一种方法，给出了在某些特殊相互作用下与粒子数无关的误差估计。在埃瓦尔德求和的框架下，该方法也扩展到具有库仑相互作用的分子动力学。

天津大学赵志坚教授以《人工智能算法在计算催化反应工程中的应用》为题作报告。他展示了以“计算催化反应工程”为研究主线，以密度泛函理论计算为基础，结合遗传算法、神经网络等人工智能算法，以低计算成本实现“工况”条件下模拟工业催化过程，指导高活性、高选择性工业催化剂的开发，发展了包括Pt基、Cu基催化剂在内的丙烷脱氢制丙烯、CO2电还原等一系列新型高效催化剂。

中国科学技术大学陈景润教授以《Machine learning-based methods for PDEs: The issue of condition number》为题作报告。他从传统数值方法中的条件数的角度讨论了几种基于机器学习的求解偏微分方程的方法：深度混合残差法、表征参数空间中解质量的粗糙度指数、多重网格方法中基于算子学习的粗网格平滑器以及随机特征方法的鲁棒预处理策略。

西安交通大学孟德宇教授以《MLR-SNet(Meta-LR-Schedule-Net):Transferable LR Schedules for Heterogeneous Tasks》为题作报告。为了解决学习率调度设置问题，他介绍了用一个显式的映射公式（称为MLR-SNet）对LR调度进行参数化，并将元学习的MLR-SNet转移到查询任务中，如不同的训练时期、网络架构、数据模式、训练数据集大小等，实现了很好的性能。

中国科学院贾伟乐研究员以《科学智能驱动的微观尺度模拟初探》为题作报告。他展示了高性能计算与人工智能方法结合用于微观科学计算领域的工作，包括利用高性能计算用于高精度的数据产生、科学智能的大规模并行训练和HPC+AI在第一性原理精度分子动力学大规模模拟的工作，并总结了这个领域目前面临的挑战。

本次论坛聚焦于AI for Science（AI4S）与科学计算领域，深入探索了AI技术在计算方法、反问题及成像领域，以及材料科学、光学等广泛交叉科学领域的创新应用，旨在促进AI4S与计算科学及其交叉领域最新研究成果的交流与碰撞，深化国内外学者之间的合作，共同推动日博best365官网数学与交叉科学研究院，特别是AI4S中心的建设与发展，为该研究领域的学者提供良好的研讨交流平台、促进学术信息共享、加强横向合作。下一步，数学与交叉科学研究院将继续致力推动数学与人工智能、物理、材料科学等学科的深度交叉融合，实质性支撑日博best365官网交叉学科中心建设，为学校的建设与发展贡献力量。

摄影：夏然

编辑：张麦玲