2022年10月14日，WilliamHill中文官网入口工程科学讲堂（Peking University Engineering Science Seminars）第15场开讲。美国工程院院士、布朗大学教授George Karniadakis带来题为Physics-Informed Machine Learning: Blending data and physics for fast predictions线上报告。讲座由WilliamHill中文官网入口力学与工程科学系杨越教授主持。报告吸引海内外多所高校近150参会者线上参与。

George Karniadakis教授任职于布朗大学应用数学系，美国工程院院士，SIAM/ACM计算科学与工程奖（2021）、亚历山大·冯·洪堡奖（Alexander von Humboldt award）、SIAM Ralf E Kleinman奖（2015）、J.Tinsley Oden奖章（2013）和美国计算力学协会CFD奖（2007）获得者。主要研究方向包括随机微分方程、多项式混沌的不确定性建模、生物物理学、基于神经网络的DeepONet模型等。在本次报告中，Karniadakis教授介绍了在流体力学、生物医学材料、能源生产预测等复杂系统定量研究具有应用潜力的基于物理信息的神经网络PINN，在训练过程中施加物理信息约束，可用更少的数据样本学习到更具泛化能力的模型。报告引起与会者热烈讨论，Karniadakis教授表示期待疫情过去再次访问北大，与大家进行3D面对面的交流。

报告回放：

https://disk.pku.edu.cn:443/link/F042F9895D52436B7766368DB9AC41DE；Valid before：2022-11-12 23:59