报告人简介

王晨，中山大学计算机学院副研究员/博士后，目前研究方向为数学物理反问题求解，工程热物理仿真，贝叶斯统计方法，深度学习等。报告人2024年博士毕业于中山大学计算数学专业，目前主要从事工程热物理领域的数学仿真模拟与智能算法开发的交叉研究工作。报告人的论文发表在International Journal of heat and mass transfer，International Communications in Heat and Mass Transfer，Acta Mathematica Scientia等期刊。

报告摘要

贝叶斯反问题(Bayesian Inverse Problems;BIPs)框架是研究由偏微分方程定义的传热学反问题(Inverse Heat Transfer Problem;IHTP)的主流统计推断方法之一。报告将讨论经典的MCMC方法在大规模IHTP中存在的如收敛速度慢、难以并行等计算挑战,并介绍一种基于变分贝叶斯技术的参数估计方法,该方法能大规模BIPs求解效率，使得贝叶斯方法能在一些超高维参数估计中得以运用。

报告时间：2025年1月7日 14:30-15:30

报告地点：腾讯会议：997-824-771