学术报告

学术报告

您当前所在位置: 首页 > 学术报告 > 正文
报告时间 2023年5月23日(星期二)下午02:00-5:00 报告地点 腾讯会议ID:822-558-654
报告人 张镭

活动主题:计算数学与交叉科学前沿讲座报告-2

报告题目:Numerical methods for multiscale PDEs

报告人:张镭 教授 上海交通大学

邀请人:董灏博士

报告时间:2023年5月23日(星期二)下午02:00-5:00

报告地点:腾讯会议ID:822-558-654 会议链接:https://meeting.tencent.com/dm/DQUdpdsDoMpJ

报告人简介:张镭,上海交通大学自然科学研究院和数学科学学院教授。北京大学学士(1999),中国科学院计算数学研究所硕士(2002),加州理工学院计算数学博士(2007),Max-Planck研究所(2007-09)、波恩大学(2009-10)和牛津大学(2010-12)博士后。研究主要着眼于解决多尺度建模,分析和计算的根本性问题,包括偏微分方程,数值分析,以及在材料科学,地球物理科学,生命科学等领域中的广泛应用。在数值均匀化、材料缺陷的多尺度耦合方法、多尺度问题的机器学习约化等领域做出了一系列创新工作。研究结果发表在SIAM系列期刊,CMAME,JCP,CPAM,Nature子刊等国际著名学术刊物。2007年获加州理工学院优秀博士论文奖(W.P. Carey Prize in applied mathematics),2010-2012年任牛津大学Wolfson学院研究员(Research Fellow),2012年获得国家级人才资助。先后得到国家自然科学面上项目(主持3次),上海市科委“科技创新行动”(主持1次)等资助。

报告摘要:Multiscale PDEs are partial differential equations with coefficients that rapidly vary and can arise in applications involving heterogeneous and random media, for example, composite material and subsurface modeling. In this talk, I will briefly review my work on numerical homogenization, which refers to a numerical approach for general multiscale PDEs that aims to identify low-dimensional approximation spaces adapted to the corresponding multiscale operator. I will then introduce our recent work on machine learning methods for multiscale PDEs, including DNN solvers and operator learning method.

主办单位:伟德国际BETVlCTOR

上一篇:On the quadratic termination property of the gradient method

下一篇:Interaction solutions to nonlinear partial differential equations via Hirota bilinearforms: one-lump-multi-stripe and one-lump-multi-soliton types

关闭