报告人： 孟旭辉 教授

报告题目： 科学计算基础模型的初步探索

时间： 2026年11月16日（周一）10:00—12:00

地点： 西安交通大学数学与统计学院2-2会议室

报告摘要：

近年来，深度学习方法在科学计算领域取得了显著进展。物理AI（如世界模型）及部分控制问题对模型预测效率提出了较高要求。然而，现有科学机器学习方法多需要在线训练，难以满足实时性需求。本报告介绍研究团队在预训练科学计算基础模型方面的初步进展，主要包括：(1) 物理一致性生成模型，用于高效生成基础模型训练所需的物理一致性数据；(2) 可复用的函数编码器，用于对下游不同应用中的输入/输出函数进行降维，并支持跨应用场景复用；(3) 在上述模型基础上构建的神经算子模型，用于求解PDE正问题，以及面向反问题的UQ基础模型。报告将讨论相关方法的设计思路、初步结果与部分应用。

报告人简介：

孟旭辉，华中科技大学数学与统计学院数学与应用学科交叉创新研究院教授，国家级青年人才项目获得者，小米青年学者。2017年博士毕业于华中科技大学；2018年-2022年于美国布朗大学应用数学系从事博士后研究工作。截至目前已在SIAM Review、JCP、CMAME等期刊发表SCI论文30余篇，谷歌学术总引用12000余次，9篇论文入选ESI高被引论文，2024-2026年连续入选Stanford/Elsevier联合发布的全球前2%顶尖科学家榜单；担任JCP、SISC、CMAME及多个Nature子刊审稿人。