讲座名称：利用软约束物理信息神经网络在小数据下求解谐振常微分方程
主讲人：卢凯良
讲座时间：2025年6月26日（星期四）12：30-13：30
讲座地点：信息技术学院205
主办单位：科研处、信息技术学院
主讲人简介：
卢凯良，男，1984年3月生，2001年9月考入同济大学机械工程学院，2010年11月获同济大学机械设计及理论专业博士学位。长期从事工程力学与有限元分析、计算机辅助工程（CAE）相关的教学和科研工作；近年来，主要专注于可理解人工智能理论以及模式识别技术应用相关的研发工作，在Math. Notes、计算机工程与科学、Pattern Recognition and Image Analysis等国内外学术期刊上发表论文多篇，获智能化技术相关授权发明专利3项。
主讲内容：
首先介绍物理信息神经网络（PINN）相较于常规神经网络方法、传统数值离散化方法在解微分方程上的优势和适用场景，归纳了软约束PINN方法的数学框架和计算流程，并通过求解典型线性和非线性谐振常微分方程（ODE）实验验证了其工作机制以及精度和效率等定量性能，且在CPU、GPU平台上均能高效训练。PINN继承了神经网络的强表达能力，具有用小数据实现强泛化的独特优势；我们通过软约束的方式将物理信息和先验知识嵌入神经网络架构或计算流程中，减少了数据冗余、改进了泛化性能，进而提高了计算效率、增强了可理解性和鲁棒性。基于上述特点，PINN正成为数字双胞胎时代的有利催化剂。
