应数学与统计学院邀请，12月4日下午，我院1982级校友北京应用物理与计算数学研究所谷同祥研究员为学院师生做题为《基于预训练策略的发展方程机器学习算法》的学术报告，相关专业老师和研究生参加了此次报告。报告会在数学南楼107举行，由数学与统计学院副院长裴永刚主持。

报告介绍对PINN框架的一种改进：预训练策略（PT-PINN）。对于时间发展方程，首先在初始条件附近的小区间内进行训练（称为预训练步），借助迁移学习的思想，保留预训练步得到的网络参数和部分网络输出作为额外的学习目标，再进行正式训练。通过数值实验表明，对于传统PINN无法有效预测的问题，优化后的算法可以给出较好的预测。对于更加复杂问题，预训练方法可以逐步推进。在PT-PINN工作的基础上，通过多次重复的实验，将同样位置不同结果之间的差异作为评判指标，我们设计了一种自适应的预训练策略：APT-PINN。通过一系列的实验表明，APT-PINN方法可以自适应的给出预训练区间完成训练，并通过增强的收敛要求逐步地提高预测精度。另外，我们还将PT-PINN应用于更复杂的Navier-Stokes方程、辐射输运方程，得到了满意的结果。

报告结束后，谷同祥研究员和与会师生就提出的相关问题进行热烈的交流和讨论。                                                   

专家简介：

谷同祥：2001年中国工程物理研究院计算数学博士，2003年中国科学院软件研究所软件理论与方法博士后。现为研究北京应用物理与计算数学研究所邓稼先创新研究中心研究员、博士生导师，北京计算数学会常务理事。主要从事并行计算和机器学习研究，包括并行算法设计、数值代数、预处理技术、偏微分方程的数值和机器学习模拟以及并行软件的研制与开发。曾主持国防基础科研计划项目、国家自然科学基金面上项目、国家高技术发展规划(863)项目、中国工程物理研究院科学基金项目、重点实验室基金项目等, 并参与国防基础重点研究项目、973项目、中物院重大预研项目等的研究工作。相关工作获军队科技进步二等奖，发表高水平学术的论文一百余篇, 出版专著三部, 本科教材一本。

（曾秀娟）