会议回顾 | 深度学习与可积系统研讨会 2026.10

发布者:吴锡娇发布时间:2026-11-02浏览次数:22

——深化数学与人工智能交叉融合,共探可积系统研究新路径

在人工智能的世界里,“深度学习”是当下最炙手可热的关键词;而在数学的王国中,“可积系统”则以“优美可解”著称。当这两个看似遥远的领域相遇,会碰撞出怎样的火花?

10月22日至24日,由宁波东方理工大学与宁波大学联合举办的“深度学习与可积系统研讨会”在宁波东方理工大学数理楼举行。来自复旦大学、华东师范大学等高校的20余位专家学者齐聚一堂,围绕深度学习与可积系统的交叉研究分享学术成果,探讨相关理论与方法的发展。会议共设置10场学术报告,内容涵盖数学理论、计算方法与物理应用等多个层面,开幕式由我院毛志平教授主持。

 摄影:吴锡娇

给AI装上“数学常识”

在可积系统理论与深度学习融合方面,华东师范大学陈勇教授以“可积深度学习”为题,介绍了这一研究方向的概念与框架,重点分享了将守恒律、可积变换等数学结构融入神经网络的系列研究进展——这相当于给神经网络装上“数学常识”,让它学得更稳、走得更远。复旦大学范恩贵教授则围绕导数非线性薛定谔方程在L²空间中的轨道稳定性,介绍了利用可积系统变换与守恒律开展理论分析的研究成果,展现了可积系统基础理论研究的新进展。

让机器学会“解方程”

围绕微分方程与可积系统的数值求解,我院毛志平教授作“深度学习求解微分方程”报告,介绍了物理信息神经网络、算子学习等方法在微分方程正反问题中的应用,以及面向复杂和高维方程的误差可控深度学习算法。西南财经大学蒲俊才介绍了利用随机特征方法求解二阶非线性可积系统的研究工作;上海海事大学王云虎教授分享了基于Riccati型伪势约束的物理信息神经网络方法,探讨将可积系统内在结构融入学习过程的求解思路。

追捕“孤子”与“怪波”

孤子、怪波……这些自带“科幻感”的名字,其实是非线性波世界里真实存在的现象。北京邮电大学张之阳介绍了基于能量的深度学习初始化方法及其在孤子动力学预测中的应用;宁波大学杨波分享了高阶KP-I局域波的波形结构及演化规律;华东师范大学林喆介绍了从怪波模式中提取多项式特征的深度学习框架。从理论分析、特征提取到动力学预测,非线性波研究与机器学习正在碰撞出多种可能。

让AI当一回“科学侦探”

研讨会还将目光投向更前沿的命题——让机器从数据里“反推”物理规律。浙江农林大学张志成介绍了通过物理约束机器学习重构矢量孤子分子内部结构的方法,为复杂光场的可解释重构提供了研究思路。宁波大学田十方分享了面向多维偏微分方程发现的弱形式强化学习框架,探讨如何从观测数据中识别控制方程——让AI从数据中“读”出隐藏的数学法则。

三天的报告与交流,将可积系统的数学结构、深度学习的计算方法与相关物理问题紧紧联系在一起。这场“数学×AI”的对话,不仅为不同研究方向的学者搭建了分享进展、交流思路的平台,也为青年学者和研究生展示研究成果创造了机会。会议的举办进一步丰富了学院在数学与人工智能交叉领域的学术交流,为拓展校际科研合作、探索相关前沿问题提供了契机。