近日，高瓴人工智能学院举办了“高屋建瓴AI果真课”第9期。学院长聘副教授孙浩邀请到美国圣母大学长聘序列助理教授王建勋，“Physics-informed machine learning for computational fluid mechanics”为题，围绕盘算流体力学问题中的挑战及与机械学习的结合进行了精彩分享。出于防疫考虑，运动以线上的方式召开。

王建勋博士介绍了针对流体问题的科学机械学习技术的最新生长，包罗结构保留机械学习、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。王博士从流体力学的物理建模细节出发，向各人介绍了流体系统方面研究中取得的结果以及存在的系列问题（如在湍流、庞大界限条件等庞大场景中高效地求解偏微分方程）；并提出数据科学和机械学习的最新进展，加上高保真模拟和丈量数据的不停增加的可用性，为开发基于数据的流体系统盘算建模开辟了新的时机。以往流体系统研究中富厚的先验知识，包罗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械学习要领中，开拓全新的厘革性机械学习技术，以解决上述盘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械学习要领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，无监视数据”，“Neuman界限是否可以用hard约束”等问题与主讲嘉宾进行了讨论。王建勋博士认为，传统基于偏微分方程和数值离散化的庞大流体系统的高保真建模和仿真已经生长了几十年并取得了较大乐成，但在许多庞大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，而与盘算潜力很大的深度模型相结合，将资助更好地解决盘算流体力学问题中的挑战。

主讲嘉宾简介

王建勋博士是圣母大学航空航天和机械工程的助理教授。王博士于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盘算模型，科学机械学习，贝叶斯数据同化和不确定性量化。

"高屋建瓴AI果真课"项目介绍

“高屋建瓴AI果真课”项目由菠菜平台高瓴人工智能学院提倡，旨在扩大人工智能学科影响力、提升学科生长水准。果真课项目命名为“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，发出人工智能研究偏向高瞻远瞩的声音。

项目首期运动中我们曾邀请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果真课——大师班”首期嘉宾作了题为《人工智能2.0与数字经济》的精彩陈诉。此外，加入过“青年说”讲座的嘉宾有菠菜平台金琴副教授与她指导的两名杰出校友——人民大学陈师哲博士和卡内基梅隆大学梁俊卫博士，中国科学院盘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， 墨尔本大学盘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岑岭，微软亚洲研究院的首席研究员秦涛等。