Abstract

在这个报告中，我将讨论我们组在神经网络方法解微分方程这个领域的探索。内容包括1）从频率角度理解神经网络方法的特点，并提出多尺度网络结构；2）算子学习的特点以及在反问题的应用；3）解高维刚性常微分方程中的采样问题，展示我们在燃烧化学反应动力学方程中用神经网络替代模型的结果。

Speaker Intro

许志钦，上海交通大学自然科学研究院/数学科学学院长聘教轨副教授。2012年本科毕业于上海交通大学致远学院。2016年博士毕业于上海交通大学，获应用数学博士学位。2016年至2019年，在纽约大学阿布扎比分校和柯朗研究所做博士后。与合作者共同发现深度学习中的频率原则、参数凝聚和能量景观嵌入原则，发展多尺度神经网络等。发表论文于JMLR，AAAI，NeurIPS，SIMODS，CiCP，CSIAM Trans. Appl. Math.等学术期刊和会议。现为Journal of Machine Learning的创刊managing editor之一。