报告题目：从数据中自动发现物理规律

报告摘要：现代科学的发展主要依赖于简洁而优美的数学方程，得益于符号方程可解释、可通用的特征，即便是复杂系统，其运行机制也可以被完美诠释。从数据中自动挖掘、提取控制方程作为一类典型的符号回归问题，是自然科学发展和工程应用中数据助力科学探索的前沿挑战。报告将介绍符号学习与推理基本概念和方法，讨论如何从数据中自动提取数理方程，进一步探索用于描述未知系统状态的数学方程或定律。

报告人简介：孙浩，1988年生，中国人民大学高瓴人工智能学院长聘副教授，博士生导师，国家高层次青年人才，麻省理工学院兼职研究员，美国东北大学兼职教授。2014年在美国哥伦比亚大学取得工程力学博士学位，随后在麻省理工学院从事博士后研究，曾任美国匹兹堡大学、美国东北大学终身序列助理教授、博导。主要从事科学智能、人工智能数理基础与交叉前沿研究，包含可诠释性深度学习、物理启发深度学习、符号强化学习与推理、数据驱动复杂动力系统建模与识别、基础设施健康监测与智能化管理等方向。在国际一流SCI期刊（如Nature Communications）和计算机顶会（如ICLR、NeurIPS）共发表论文60余篇；主持国家高层次人才计划、国家自然科学基金委（重大研究计划、面上项目）、美国科学基金委（ECI、SCC、DRRG）等纵/横向研究项目十余项（共计3000余万元）；研究成果受到了几十家国际知名媒体的广泛报导（如《福克斯新闻》、《科学日报》、《麻省理工科技评论》等）。2018年入选福布斯北美“30位30岁以下精英榜（科学类）”，2019年当选“美国十大华人杰出青年”。

报告时间：2023年3月8日 （星期三）上午9：00

报告地点：正新楼（原水务集团大楼）三楼人工智能学院报告厅

主办单位：人工智能学院