报告题目：Nonlinear Model Reduction Methods

报 告 人：肖敦辉 教授

报告时间：2026年9月4日（周五） 11:00-12:00

报告地点：藕舫楼724室

主 持 人：王曰朋 教授

报告摘要：

This talk will present a number of nonlinear model reduction methods, including Probabilistic Manifold Decomposition (PMD), finite-element-inspired graph neural network reduced-order models (ROMs), and parametric PMD. In particular, PMD constructs nonlinear ROMs by embedding high-dimensional systems into low-dimensional probabilistic manifolds and predicting their dynamics through explicit mappings that capture both linear and nonlinear features. PMD provides stable prediction of dynamic states from embedded representations and offers a mathematically rigorous framework for analyzing the convergence of feature matrices and probabilistic manifolds as the sample size increases. By preserving the geometric and probabilistic structures of high-dimensional systems, PMD combines computational efficiency, accuracy, and predictive capability, making it suitable for fluid dynamics and other engineering applications and providing an alternative to traditional model reduction methods such as DMD and POD.

报告人简介：

肖敦辉，同济大学数学科学学院教授、计算数学教研室主任、国家海外高层次青年人才及上海市高层次海外人才入选者。中国计算数学学会常务理事、中国岩石力学与工程协会AI实用化学会第一届常务委员，上海CSIAM委员。2013年获英国帝国理工博士生全奖攻读计算力学博士学位，毕业后继续在帝国理工从事博士后研究，2018年进入英国斯旺西大学有限元发源地之一的辛克维奇工程中心担任讲师。主持过英国基金委如EPSRC，Royal Society和国家级人才项目以及面上项目。担任英国EPSRC、欧洲ERC，和国内各基金等评审专家，同时担任Nature子刊以及多种学术期刊评审专家。研究兴趣为模型降阶理论以及应用，计算力学，量子计算等。

欢迎广大师生踊跃参加！

数学与统计学院

江苏省应用数学（南京信息工程大学）中心

江苏省系统建模与数据分析国际合作联合实验室

2026年9月3日