报告人： 陈勇 教授

报告题目： 可积深度学习

时间： 2026年6月25日 16:30-17:30

地点： 西安交通大学兴庆校区数学楼2-1会议室

报告摘要：

我们阐述了提出可积深度学习概念与框架的动机，并重点介绍了我们在可积深度学习算法方面取得的一系列进展：1. 提出了基于守恒律的两阶段 PINN 方法和基于 Miura 变换的 PINN 方法；2. 构造了 Lax pair-informed 的信息神经网络(LPNNs)以及达布变换的 DT-LPNN 网络；3. 创建了可积系统的新型卷积神经网络架构，包括基于伪网格的物理信息卷积循环网络(PG-PhyCRNet)和怪波模式的多项式提取器(PE-RWP)。

报告人简介：

陈勇，华东师范大学/山东科技大学，教授，博士生导师，计算机理论所所长，上海市闵行区拔尖人才。长期从事非线性数学物理、可积系统、计算机代数及程序开发、可积深度学习算法，混沌理论、大气和海洋动力学等领域的研究工作。提出了一系列可以机械化实现非线性方程求解的方法,发展了李群理论并成功应用于大气海洋物理模型的研究。提出可积深度学习算法，开发出一系列可机械化实现的非线性发展方程的研究程序。已在 SCI 收录的国际学术期刊上发表 SCI 论文 300 余篇。主持国家自然科学基金面上项目 5 项，国家自然科学基金重点项目 3 项（第一参加人和项目负责人)、973 项目 1 项(骨干科学家)、国家自然科学基金长江团队项目 2 项(PI）。在 AI 方面的贡献：陈勇教授 2019 年开创性的提出了可积深度学习的概念和框架，带领其博士研究生团队，取得了突破性研究成果。在《Journal of Computer Physics》、《Physica D》、《Chaos》等国际重要学术刊物上发表了 30 余篇学术论文。近期应美国布朗大学工程院院士 Karniadakis 教授之邀做了关于可积深度学习的报告。