会议回顾 | 深度学习与科学计算研讨会 2026.11

发布者:吴锡娇发布时间:2026-11-18浏览次数:10

—— AI“算”世界:一场早已开始的接力

提到AI,不少人先想到写诗、画画、聊天。但在科学计算的世界里,它早已 “下场” 多年:解方程、算流体、找材料,一步步重塑科研与工程的计算方式。11 月 12 日至 14 日,一场关于 “深度学习与科学计算” 的对话在宁波展开。11月12日至14日,一场关于“深度学习与科学计算”的对话在宁波展开。

本次研讨会由宁波东方理工大学数学科学学院举办,来自中国科学院数学与系统科学研究院等10余所高校和科研院所的近20位专家学者齐聚宁波,围绕人工智能与科学计算的交叉前沿分享研究进展,探讨数学方法创新及其在科学与工程问题中的应用。

11月13日,会议开幕及学术报告在数理楼410室举行。开幕环节由毛志平教授主持,沈捷教授、明平兵研究员分别致辞。三天会期里,10场学术报告依次登场,涵盖深度学习求解微分方程、保结构计算方法、生成式模型与不确定性量化、材料设计与工业软件等方向,从基础理论、算法设计到实际应用,层层递进。

摄影:吴锡娇

  • 给经典算法装上“AI引擎”

在机器学习与传统数值方法融合方面,南京师范大学张志跃教授介绍了求解界面问题的系列混合方法——让深度神经网络、算子学习等技术与经典数值方法“组队”,共同应对复杂界面和奇异性带来的计算挑战。四川大学贺巧琳教授分享了混合物理信息全纯神经网络方法,将谱方法与全纯神经网络相结合,为复杂区域上的非齐次偏微分方程求解提供新思路。西安交通大学王飞教授介绍了随机神经网络在偏微分方程求解和算子学习中的研究进展,展示了兼顾计算效率与数学可分析性的算法框架。

  • 算得快,更要算得“稳”

如何在提升计算效率的同时,保持数学与物理结构?这是多场报告共同关注的问题。中国科学技术大学苏州高等研究院蒋嘉敏研究员介绍了用于复杂流动问题的保结构图神经算子,把经典数值方法中的局部守恒性、迎风特性等“基因”融入网络设计,探索提高复杂流动预测稳定性与精度的方法。首都师范大学赵进教授围绕抛物型与相场偏微分方程,介绍了基于固定神经特征的Galerkin方法,讨论时间演化计算中的精度、稳定性及结构保持等关键问题。

  • 让AI学会“猜”:生成式模型登场

在生成式模型与不确定性量化方面,上海科技大学廖奇峰教授介绍了高维概率密度估计方法KRnet及其在Fokker–Planck方程和随机动力系统中的应用。山东大学张钊教授分享了物理引导的条件流匹配框架,探讨多孔介质两相流的生成式反演与不确定性量化问题。上海科技大学翟佳羽教授介绍了利用扩散模型开展隐式流形重构的研究,为从高维数据中提取和重建几何结构提供了新的方法视角。简单说,AI不仅要给出答案,还要说清这个答案有多“靠谱”。

  • 从实验室到生产线:AI的“落地”答卷

会议同时关注人工智能与科学计算服务实际需求的路径。北京应用物理与计算数学研究所王涵研究员以“原子大模型驱动的材料设计与发现”为题,介绍了将数学理论、大规模预训练与实验反馈相结合的研究思路,展示了人工智能辅助材料设计的应用潜力。中国科学院数学与系统科学研究院崔涛研究员围绕“CAD-CAE一体化与MSCAX平台”,分享了非拟合网格方法及相关关键计算技术的研究进展,介绍了面向工业设计与仿真一体化的平台建设工作。

摄影:文贤

从微分方程求解到高维数据建模,从材料发现到工业仿真——一场研讨会,串起了数学理论、数值计算与人工智能的“三重奏”。会议为相关领域学者交流研究成果、拓展合作思路提供了平台,也为学院进一步推动基础研究与交叉应用相结合、深化科学智能领域的学术交流提供了契机。