总览

随着 ChatGPT、DeepSeek 的出现，人工智能 (AI) 已经掀起了各个行业的大变革。变革也同样发生在数学领域。

偏微分方程 (PDE) 是许多科学和工程问题的核心。由于科学问题的复杂性和数据量不断增加，科学家和工程师越来越倾向于利用 AI，凭借其快速的预测能力和从数据中学习未知关系的能力，来解决涉及 PDE 的复杂正问题和反问题。在这一趋势的前沿，是 AI 与物理、数学和领域知识的融合，通常被称为科学机器学习 (Scientific Machine Learning) 或物理信息机器学习 (Physics-Informed Machine Learning)。

本次线上研讨会将深入探讨基于物理的、由 AI 驱动的 PDE 技术的变革潜力，如物理信息神经网络 (Physics-Informed Neural Networks, 简称 PINN)，将物理定律直接整合到神经网络训练中；傅里叶神经算子 (Fourier Neural Operator, 简称 FNO)，利用傅里叶变换进行分辨率不变的算子学习；以及物理信息神经算子 (Physics-Informed Neural Operator, 简称 PINO)，结合了 PINN 和 FNO 的优势。通过在 MATLAB 中实施这些方法的实际演示，可获得研究和项目的实际见解和工具。

讲座亮点

• 物理信息神经网络 (PINN)

• 傅里叶神经算子 (FNO)

• 物理信息神经算子 (PINO)

关于演示者

许悦伊博士，MathWorks 中国高校团队工程师，主要负责高校合作与教师的教学及科研工作。曾从事分子动力学仿真相关研究工作。大连理工大学化学工程专业本科，美国德州理工大学化学工程专业博士。