报告题目：Data-Driven Deep Learning ofUnknown Governing Equations        

报告时间：2022-03-25，15:00-16:00        

报告地点：腾讯会议（ID：142 356 189）

组织单位：北京师范大学数学科学学院

报告摘要：

Thistalk will introduce some effective numerical algorithms for learning unknown governingequations from measurement data. Upon recasting the learning problem into afunction approximation problem, we discuss the importance of using a largenumber of short bursts of trajectory data, rather than using data from a smallnumber of long trajectories. Several data-driven modeling strategies using deepneural networks (DNN) are presented. We demonstrate that residual network isparticularly suitable for equation discovery, as it can produce exact timeintegrator for numerical prediction.

报告人：

吴开亮，男，籍贯安徽省安庆市，理学博士，南方科技大学数学系副教授、博士生导师。2011年获华中科技大学数学学士学位；2016年获北京大学计算数学博士学位；2016-2020年先后在美国犹他大学和美国俄亥俄州立大学从事博士后研究工作；2021年1月加入南方科技大学、任副教授。研究方向包括计算流体力学与数值相对论、机器学习与数据驱动建模、微分方程数值解、高维逼近与不确定性量化等。研究成果发表在SINUM、M3AS、Numer. Math.、SISC、J. Comput. Phys.、JSC、ApJS、Phys. Rev. D等重要期刊上。曾获中国数学会计算数学分会优秀青年论文奖一等奖（2015）和中国数学会钟家庆 数学奖（2019）；入选国家高层次人才计划（青年）；主持国家自然科学基金面上项目。