11月4日，高瓴人工智能学院举办“高屋建瓴AI公开课”第9期讲座。高瓴人工智能学院长聘副教授孙浩邀请美国圣母大学长聘序列助理教授王建勋为师生带来一场学术报告。王建勋以“Physics-informed machine learning for computational fluid mechanics”为题，围绕计算流体力学问题中的挑战及与机器学习的结合进行分享。活动以线上方式召开。

王建勋介绍了针对流体问题的科学机器学习技术的最新发展，包括结构保留机器学习、物理信息神经网络、几何深度学习和用于流量控制的物理信息强化学习。王建勋从流体力学的物理建模细节出发，向大家介绍了流体系统方面研究中取得的成果以及存在的系列问题（如在湍流、复杂边界条件等复杂场景中高效地求解偏微分方程）；并提出数据科学和机器学习的最新进展，加上高保真模拟和测量数据的不断增加的可用性，为开发基于数据的流体系统计算建模开辟了新的机会。以往流体系统研究中丰富的先验知识，包括物理定律和现象学原理，可以很好地结合到对先验知识和特定数据要求较高的机器学习方法中，开拓全新的变革性机器学习技术，以解决上述计算流体力学问题中的挑战。

在问答环节，与会师生结合当前机器学习方法与流体物理模型结合的研究趋势，围绕“如何有效利用稀疏数据，模拟数据，无监督数据”“Neuman边界是否可以用hard约束”等问题与主讲嘉宾进行了讨论。王建勋认为，传统基于偏微分方程和数值离散化的复杂流体系统的高保真建模和仿真已经发展了几十年并取得了较大成功，但在许多复杂场景中以高精度有效地求解这些偏微分方程依然很具有挑战性，而与计算潜力很大的深度模型相结合，将帮助更好地解决计算流体力学问题中的挑战。

王建勋，圣母大学航空航天和机械工程助理教授，于2017年从弗吉尼亚理工大学获得航空航天工程博士学位，在2018年加入圣母大学之前，曾在加州大学伯克利分校做博士后学者。他曾获得2021年NSF CAREER奖。他的研究重点是数据增强的计算模型、科学机器学习、贝叶斯数据同化和不确定性量化。

“高屋建瓴AI公开课”项目由高瓴人工智能学院发起，旨在扩大人工智能学科影响力、提升学科发展水准。公开课项目命名为“高屋建瓴”，寓意在高瓴人工智能学院的平台上，汇聚高端人才，发出人工智能研究方向高瞻远瞩的声音。

项目首期活动曾邀请高瓴人工智能学院学术委员会主任、中国工程院院士潘云鹤作为“高屋建瓴AI公开课——大师班”首期嘉宾作了题为《人工智能2.0与数字经济》的报告。此外，参与过“青年说”讲座的嘉宾有信息学院副教授金琴与她指导的两名杰出校友——中国人民大学博士陈师哲和卡内基梅隆大学博士梁俊卫，中国科学院计算技术研究所研究员、国家自然科学基金优秀青年基金获得者郭嘉丰，墨尔本大学计算与信息系统学院讲师甘骏豪，中国科学院自动化研究所模式识别国家重点实验室副研究员孟高峰以及微软亚洲研究院首席研究员秦涛等。

来源：高瓴人工智能学院（新闻网）https://news.ruc.edu.cn/archives/352225