报告题目：张量神经网络机器学习算法及其应用

报告人：谢和虎，中国科学院数学与系统科学研究院研究员、博士生导师，现任北京计算数学学会秘书长、常务理事，《计算数学》、Applications of Mathematics编委。主要研究非线性偏微分方程的数值求解，特征值问题高效数值算法、理论及计算软件开发、高维偏微分方程数值解、高效有限元方法等。提出并系统发展了求解特征值问题和非线性问题的扩展子空间算法和多水平校正算法，开发了分布式并行求解大规模特征值问题的软件包GCGE和多水平校正软件包PASE。主持和参与过国家自然科学基金青年、面上、重点、重大研究项目，国防科工委的挑战计划、科技部的重点研发项目，北京市重点专项项目。

报告简介：本报告介绍我们最近设计和发展的张量神经网络及其相应的机器学习算法，然后介绍其在求解高维偏微分方程中的应用。基于张量乘积的结构特点，张量神经网络可以直接进行高精度的高维积分而不需要借助Monte Carlo采样过程，以此来确保机器学习算法求解高维问题的精度和效率。本报告将主要关注求解高维特征值问题的最小及多个特征值和特征函数的求解，同时介绍在薛定谔方程求解中的应用。最后探讨张量神经网络机器学习算法在可计算建模中的应用。

报告时间：2024年10月19日（星期六），下午 14:00开始

报告地点：瘦西湖校区56号楼208会议室

联系人：黄健飞

欢迎广大师生参加！