报告题目：Learning and Learning to Solve PDEs
报告时间：2020年5月24日（周日）上午10:30—11:15
报告人：董彬教授
报告地点：Zoom云会议（ID：937 6354 7091, 密码：nanxinda60）
报告摘要：Deep learning continues to dominate machine learning and has been successful in computer vision, natural language processing, etc. Its impact has now expanded to many research areas in science and engineering. In this talk, I will mainly focus on some recent impact of deep learning on computational mathematics. I will present our recent work on bridging deep neural networks with numerical differential equations. On the one hand, I will show how to design transparent deep convolutional networks to uncover hidden PDE models from observed dynamical data. On the other hand, I will present our recent preliminary attempt to establish a deep reinforcement learning based framework to solve 1D scalar conservation laws.
欢迎广大师生踊跃参加！
数学与统计学院
2020年5月22日
附：专家简介
董彬，北京大学，北京国际数学研究中心长聘副教授、助理主任，北京大学人工智能研究院数理基础中心主任。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011－2014年在美国亚利桑那大学数学系任助理教授，2014年底入职北京大学。主要研究领域为应用调和分析、反问题计算、深度学习及其在图像和数据科学中的应用。在国际重要学术期刊和会议上发表论文60余篇，现任期刊《Inverse Problems and Imaging》编委。2014年获得香港求是基金会颁发的求是杰出青年学者奖。
