返回首页
AI for Science|7月18日TF140 报名
本次研讨会邀请到来自百度、中国科学院力学研究所、西安交通大学、华中科技大学的4位行业专家，分别就“百度飞桨——人工智能技术创新与科学计算探索”、“物理信息增强的智能流场预测方法研究”、“Deep learning for multi-fidelity data fusion and uncertainty quantification”以及“基于物理信息神经网络的风场数据同化”等前沿领域热点问题展开报告。
为工程师提供顶级交流平台
CCF TF第140期
欢迎扫码了解详情和报名参会
报名链接：https://conf.ccf.org.cn/TF140
随着人工智能技术的飞速发展，AI已成为科研创新的重要驱动力。AI for Science这一新兴领域通过融合人工智能最新技术与传统科学研究方法，为解决复杂科学问题提供了全新的视角和工具。在此背景下，本次TF活动聚焦“AI for Science”前沿进展，旨在搭建一个交流平台，促进跨学科合作与知识共享。
本次研讨会邀请到4位在AI for Science领域进行了深入探索和研究的嘉宾。百度的陈凯博士将介绍百度飞桨在AI for Science领域的工作和成果，并以汽车风阻预测模型为例，具体介绍飞桨支持和实现AI for Science学术前沿成果到产业级应用的路径和方案；西安交通大学的郭振东教授从子午面全景式性能预测和基于叠加原理的端壁冷却布局性能预测2个方面，对物理信息增强的智能流场预测与重构相关研究进展进行介绍；华中科技大学孟旭辉教授提出一种复合神经网络以解决高保真度数据匮乏问题，显著提升了模型精度，此外还将就预测不确定性的量化问题展开讨论；中科院力学研究所的孙振旭研究员面向风力发电场的混合数据同化，提出一种基于PINN 的数据同化框架，支持使用多种类型测量数据进行训练。
本次活动不仅涵盖了AI for Science的核心技术与应用案例，还将深入探讨该领域的未来发展趋势与潜在影响。诚邀对AI技术及其在科学研究中的应用感兴趣的学者、研究人员、工程师及行业专家参与此次研讨会，共同探索AI for Science的广阔前景与无限可能。通过交流与碰撞，我们期待能够激发新的科研灵感，推动更多跨学科合作项目的诞生，为科学研究的进步贡献智慧与力量。
二、会议安排
TF140：AI for Science 2024年7月18日(星期四) 主持人：何中军，CCF TF算法与AI SIG主席，百度人工智能技术委员会主席 | ||
时间 | 主题 | 讲者 |
19:00-19:05 | 活动介绍及致辞 | 何中军 CCF TF算法与AI SIG主席，百度人工智能技术委员会主席 |
19:05-19:35 | 百度飞桨——人工智能技术创新与科学计算探索 | 陈凯 百度公司 资深研发工程师 |
19:35-20:05 | 物理信息增强的智能流场预测方法研究 | 郭振东 西安交通大学，助理教授 |
20:05-20:35 | Deep learning for multi-fidelity data fusion and uncertainty quantification | 孟旭辉 华中科技大学 教授 |
20:35-21:05 | 基于物理信息神经网络的风场数据同化 | 孙振旭 中国科学院力学研究所 副研究员 |
21:05-21:10 | 活动总结 | 何中军 CCF TF算法与AI SIG主席，百度人工智能技术委员会主席 |
三、所属SIG
CCF TF 算法与AI SIG
四、特邀讲者
陈凯
百度公司 资深研发工程师
主题：《百度飞桨——人工智能技术创新与科学计算探索》
主题简介：数据是人工智能的驱动力，理论是自然科学的基石，当前人工智能技术的快速发展促进了两者的紧密结合，引发了科学发现和模式创新的变革。百度飞桨作为中国首个自主研发、功能丰富、开源开放的产业级深度学习平台，紧紧抓住AI for Science的技术浪潮，从底层框架、开发套件和模型应用等方面全方位深度支持科学研究和产业应用需求，形成了端到端的AI科学计算工具体系。本报告将全面介绍百度飞桨在AI for Science领域的工作和成果，并以汽车风阻预测模型为例，具体介绍飞桨支持和实现AI for Science学术前沿成果到产业级应用的路径和方案。
个人简介：陈凯，百度资深研发工程师。清华大学能源与动力工程系博士毕业、自动化系博士后，斯坦福大学访问学者，曾任中国科学院助理研究员、北京汽车研究总院高级主任工程师。研究领域为科学机器学习、超临界压力和微纳尺度流体流动与传热、空间站和车辆热管理等。作为骨干参与或负责多项国家自然科学基金、科技部国家重点研发计划和企业落地应用项目。以第一作者发表SCI/EI论文10余篇，授权专利10余项，授权软件著作权1项。曾获中国工程热物理学会传热传质分会“王补宣——过增元青年优秀论文二等奖”、第七届数据挖掘、通信和信息技术国际会议(DMCIT 2023)最佳口头报告论文奖等。担任Engineering Applications of Artificial Intelligence、International Journal of Heat and Mass Transfer、Applied Physics Letters、Physics of Fluids等期刊审稿人。
郭振东
西安交通大学，助理教授
主题：《物理信息增强的智能流场预测方法研究》
主题简介：伴随着人工智能技术的迅猛发展，AI驱动的第四范式在涡轮等叶轮机械设计中受到广泛关注。一方面，AI驱动的第四范式有望突破试验/CFD等传统研究范式须在“成本与模型精度之间权衡”的限制，实现更加精细敏捷的叶轮机械流场分析与设计；另一方面，第四范式研究面临AI模型训练样本稀缺、泛化能力不足等瓶颈问题。为突破上述瓶颈，在“数据不足模型补，模型不精数据帮”理念的启发下，开展了物理信息增强的智能流场预测与试验/CFD多源数据融合方法研究。本汇报将从子午面全景式性能预测和基于叠加原理的端壁冷却布局性能预测2个方面，对物理信息增强的智能流场预测与重构相关研究进展进行介绍。
个人简介：郭振东，男，工学博士，西安交通大学能动学院助理教授；中国机械工程学会机械设计分会青年委员。新加坡南洋理工大学数据科学与人工智能研究中心(DSAIR)研究员、美国佛罗里达大学访问学者、日本三菱重工高砂研究所访问研究员。主要从事叶轮机械智能设计优化方法、智能流场预测、数据挖掘及不确定性量化与鲁棒性/可靠性设计优化研究。入选陕西省秦创原高层次创新创业人才（高层次科技人才），主持国家自然科学基金项目1项、航空发动机及燃气轮机重大专项子课题1项及透平机械行业研究院所和国有大型企业攻关项目多项，并作为骨干参与了国家自然科学基金重点项目、民机专项等多个重点项目研发。已授权专利3项，获软件著作权4项，发表包括IEEE Transactions on Cybernetics、 ASME Journal of Turbomachinery等人工智能/叶轮机械领域顶级期刊在内的SCI收录论文20余篇，EI收录论文20余篇。
孟旭辉
华中科技大学 教授
主题：《Deep learning for multi-fidelity data fusion and uncertainty quantification》
主题简介：Deep learning algorithms have emerged recently for solving partial differential equations (PDEs), especially in conjunction with sparse data. In particular, the recently developed physics-informed neural networks (PINNs) have shown their effectiveness in solving both forward and inverse PDE problems. However, currently the training of neural networks relies on data of comparable accuracy but in real applications only a very small set of high-fidelity data is available while inexpensive lower fidelity data may be plentiful. In this talk, I will introduce a new composite neural network (NN) that can be trained based on multi-fidelity data, which significantly improves the accuracy comparing to single-fidelity modeling. I will also introduce an uncertainty-induced multi-fidelity NN which is capable of quantifying the predicted uncertainty arising from noisy and gappy data.
个人简介：孟旭辉，华中科技大学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能源与动力工程学院；188体育app官网：-2022年美国布朗大学应用数学系博士后。截至目前已在SIAM Review、JCP、CMAME等期刊发表SCI论文20余篇，谷歌学术总引用4000余次，7篇论文入选ESI高被引论文，担任JCP、SISC、C