报告题目: 气动实验数据的泛函学习方法
报 告 人：罗长童 副研究员（中国科学院力学研究所）
报告时间：2023年9月14日（周四）16:00-17:00
报告地点：海山楼A1101
校内联系人：杜磊 副教授
报告摘要：气动力/热是先进飞行器设计中必须考虑的关键因素，对其进行精确的预测是空气动力学中的经典难题。实验数据具有高维度、多尺度、强非线性等特征，传统的理论推演方法遇到了瓶颈。机器学习为大量数据的关联提供了新的手段，但和传统方法之间出现了断层：学习过程缺乏物理意义，生成的模型是一个灰/黑箱子，无法保持传统模型的简洁性、量纲和谐性、可解释性。本报告介绍一种特殊的机器学习方法（泛函学习），它将已有气动理论知识融入到搜索能力强大的机器学习中，能利用知识加速机器学习进化过程，并增强预测模型的物理意义。该方法在航空航天领域获得了广泛关注和应用。
报告人简介：罗长童，理学博士，中国科学院力学研究所副研究员，研究生导师。主要从事全局优化、计算智能、遗传编程等算法及其在高超声速气体动力学数值模拟、外形优化、实验信号分析和实验数据分析中的应用研究。承担国家自然科学基金委、军科委、装发等重点/面上/重大研究项目多项，发表SCI/EI期刊论文四十多篇，是人工智能应用领域Engineering Applications of Artificial Intelligence，Automatica，Soft Computing，Applied Soft Computing等期刊的常用审稿人。
