走向现代数学学术报告 - 唐科军副研究员（No. 740) 

报告题目：Surrogate modeling of high-dimensional problems: adaptivity, model reduction, and uncertainty quantification 

报告人：唐科军 副研究员（北京大学长沙计算与数字经济研究院） 

报告时间：2024年10月24日 14:00 

报告地点：东海岸校区 - D实209 

摘要：High-dimensional problems governed by partial differential equations (PDEs) are widely found in scientific and engineering applications. Traditional grid-based numerical methods for such problems are computationally prohibitive. Surrogate modeling is of great practical significance for such high-dimensional problems. This talk will present recent progress in solving parametric problems using modern machine learning methods. In particular, I will show how to use low-rank tensor approaches to build surrogate models efficiently and use deep adaptive sampling for high-dimensional problems with applications to rare events in molecular simulations. 

个人简介：唐科军，北京大学长沙计算与数字经济研究院副研究员。2021年1月博士毕业于中国科学院大学，同时也是上海科技大学的联合培养博士。2021年2月加入鹏城国家实验室从事博士后研究工作，2023年2月加入北京大学长沙计算与数字经济研究院。主要研究方向是科学计算与机器学习的交叉领域，尤其关注张量计算，深度生成模型，不确定性量化，以及微分方程与深度学习的交叉方向，他的研究成果主要发表在Journal of Computational Physics (JCP) 、 SIAM Journal on Scientific Computing (SISC) 、International Conference on Learning Representations (ICLR)等国际权威计算数学期刊和人工智能会议上。