报告题目：面向重大工程的小样本可解释智能分析设计
报告人：丁陈森助理教授（北京大学）
报告时间：2026年5月15日（周五）15:30-17:00
报告地点：伟德victor1946（江宁校区）乐学楼1108
邀请人：许文祥
主办单位：伟德国际victor1946固体力学研究所、民盟伟德victor1946青委会
欢迎广大师生参加！
报告简介：
以神经网络为代表的人工智能算法凭借其强大的非线性拟合能力，为复杂工程科学问题提供了新的研究范式。然而，这类智能方法普遍存在可解释性和可信性不足、依赖海量高质量训练数据、模型训练与推理硬件能耗成本高、对噪声数据和非适定问题的处理能力有限等瓶颈，导致其难以实际落地、支撑重大装备大规模多物理场的快速高精仿真分析与设计。本报告将介绍课题组研发的新型智能分析设计架构及应用。该系统成果兼具强可解释性与可信性，融合领域知识与数据驱动方法，仅需少量数据、极小算力，即可实现低能耗、高效训练与实时推理。已在装药点火反应全流程预测、撞击损毁多物理场时空预测及高超声速飞行器敏捷设计等诸多工程应用中展现出优异性能。
报告人简介：
丁陈森，北京大学博雅青年学者，伟德国际victor1946助理教授、研究员、博士生导师，（智能平行技术）国家级重点实验室-建模与仿真研究室主任。致力于智能计算力学前沿理论、先进算法软件研发及重大工程应用研究。
入选JKW海外人才引进计划和教育部海外人才引进计划，主持基金委面上、KGJ核科学挑战、JKW基础加强基金、KGJ大数据智能分析软件、科技部重点研发子课题等项目。以第一/通讯作者在CMAME、Advanced Science等领域顶级SCI期刊发表论文30余篇；原创小样本、低算力能耗的可信智能算法框架与软件，消除了现有人工智能方法不解释、要数据和难落地等痛点，解决了中国工程物理研究院、航空发动机研究院和三峡集团等领域难题。
受邀担任国家自然科学基金委某重大专项、波兰国家科学中心以及教育部学位中心等评审专家，北京市力学会理事、中国力学学会计算力学软件专业组委员、中国复合材料学会青年工作委员会委员、中国机械工程学会机械设计分会委员，以及国际期刊 Theoretical and Applied Mechanics Letters等青年编委和Computer Methods in Applied Mechanics and Engineering等近50个顶级权威期刊的客座编辑和审稿人。
