Constructing macroscopic dynamics using deep learning
数学专题报告
报告题目(Title)：Constructing macroscopic dynamics using deep learning
报告人(Speaker)：李千骁（新加坡国立大学）
地点(Place)：后主楼1124
时间(Time)：2026年6月11日（周四）16:00-17:00
邀请人(Inviter)：殷鉴远
报告摘要
We discuss some recent work on constructing stable and interpretable macroscopic dynamics from trajectory data using deep learning. We adopt a modelling approach: instead of generic neural networks as functional approximators, we use a model-based ansatz for the dynamics following a suitable generalisation of the classical Onsager principle for non-equilibrium systems. This allows the construction of macroscopic dynamics that are physically motivated and can be readily used for subsequent analysis and control. We discuss applications in the analysis of polymer stretching in elongational flow. Moreover, we will also discuss some algorithmic challenges associated with learning (macroscopic) dynamics for scientific applications.
主讲人简介
李千骁，新加坡国立大学数学系副教授，功能智能材料研究院PI。2010年在剑桥大学获得学士学位，2016年在普林斯顿大学获得应用数学博士学位。研究兴趣包括机器学习与动力系统、控制理论、随机优化算法，以及面向科学与工程的数据驱动方法。曾获2024年新加坡总统科学与科技奖（PSTA）青年科学家奖，文章发表于Nature子刊，PNAS，JEMS，SIAM系列等期刊和ICML，ICLR等会议。任Journal of Machine Learning编委，Physica D特刊客座编辑。
