报告人： 张超 教授

报告题目： 融合观测数据的物理信息学习

时间： 2026年10月16日 9:00—12:00

地点： 西安交通大学数学楼2-2会议室

邀请人： 刘军民 教授

报告摘要：

偏微分方程是描述工程物理系统演化规律的重要数学工具。物理信息神经网络为偏微分方程正问题求解和反问题参数反演提供了新的计算框架。然而，在复杂工程场景中，观测数据常受到样本分布不均、数量有限及噪声污染等因素影响，导致 PINN 存在训练效率低、求解精度下降、参数反演结果偏离真实值甚至训练失败等问题。

针对上述问题，报告将围绕有限观测数据下的 PINN 信息利用与稳定训练问题展开，提出了自适应点加权、生成对抗物理信息神经网络、自适应误差修正等自适应训练方法，为复杂工程场景下的机理方程求解与智能仿真提供新的技术方法。

报告人简介：

张超，大连理工大学数学科学学院教授、博士生导师，计算科学研究所所长。主要研究方向为人工智能数学基础理论及其工程应用，研究内容涵盖统计学习理论、随机矩阵理论、深度学习理论、可信人工智能技术、大型装备智能运维、钢铁产品质量智能管控、多模态数字孪生建模等。

发表 SCI/EI 论文近60篇，先后主持或承担国家重点研发计划课题、国家自然科学基金等项目10余项。曾获辽宁省“互联网+”大赛金奖、“挑战杯”揭榜挂帅专项全国特等奖、中国质量协会质量技术奖二等奖等奖励。