报告题目：可积深度学习
报告人：陈勇
邀请人：周子鉴
报告时间：2026年09月18日（星期五）10:30-11:30
报告地点：西南交通大学犀浦校区3教X30456
摘要：我们阐述了提出可积深度学习概念与框架的动机，并重点介绍了我们在可积深度学习算法方面取得的一系列进展：1. 提出了基于守恒律的两阶段PINN方法和基于Miura变换的PINN方法；2. 构造了Lax pair-informed的信息神经网络(LPNNs)以及达布变换的DT-LPNN网络；3. 创建了可积系统的新型卷积神经网络架构，包括基于伪网格的物理信息卷积循环网络(PG-PhyCRNet)和怪波模式的多项式提取器(PE-RWP).
报告人介绍：陈勇，华东师范大学和山东科技大学教授、博士生导师，曾多年担任华东师范大学计算机理论所所长，上海市闵行区拔尖人才。主要从事非线性数学物理、可积系统理论、计算机代数、可积深度学习算法、混沌动力学及大气海洋动力学等领域研究，建立了非线性方程机械化求解方法与李群理论优化体系，并成功应用于大气海洋物理模型研究。2019年在国际上率先提出“可积深度学习”原创概念与交叉研究框架，带领团队取得系列标志性研究成果。累计发表SCI学术论文300余篇，先后主持和参加国家自然科学基金面上项目5项、重点项目3项，骨干参与973项目1项，长江创新团队项目 PI2项，在可积系统与人工智能交叉领域具有广泛的学术影响力。