国家天元数学东南中心拟于2026年11月11日至11月16日开设短课程“Scientific Machine Learning: PDEs, Inverse Problems and Data Assimilation”，相关安排如下：

一、短课程介绍

1. 主讲人：

周涛，中国科学院数学与系统科学研究院研究员，国家级高层次人才计划入选者。在不确定性量化、偏微分方程数值方法、时间并行算法等多个领域取得重要研究成果，发表国际权威期刊论文90余篇，先后受邀为SIAM Review和Acta Numerica撰写综述论文。曾获中国工业与应用数学学会青年科技奖（2016）、第三届王选杰出青年学者奖（2022）、中国数学会陈省身奖（2025）美国工业与应用数学学会会士(2026)。担任SIAM J Numer Anal.、SIAM J Sci Comput.、J Sci Comput. 等十余种国内外权威期刊编委。现担任东亚工业与应用数学学会（EASIAM）主席及学会期刊EAJAM主编。

闫亮，东南大学教授、博士生导师。主要从事不确定性量化、贝叶斯建模与计算、科学计算中的人工智能方法以及偏微分方程反问题的研究。2019年在第十一届反问题年会上获得“优秀青年学术奖”。2015年和2017年获得｀东南大学“吾爱吾师” 十大我最喜爱的老师‘称号，2019年获得`东南大学“吾爱吾师”-数学学院最受欢迎老师`称号。2021年获得东南大学首届“杰出教学奖”。主持国家自然科学基金重大研究计划一项、国际（地区）合作研究项目一项、面上项目两项。在SISC、IP、JCP、CMAME、SIAM JUQ等国内外刊物上发表40余篇学术论文。

2. 课程简介：

Title：Scientific Machine Learning: PDEs, Inverse Problems and Data Assimilation

Abstract: This short-term course provides a comprehensive introduction to Scientific Machine Learning (SciML) with a focus on its applications in partial differential equations (PDEs), inverse problems, and data assimilation. The course bridges machine learning theory with scientific computing, covering both fundamental principles and state-of-the-art techniques. The program is organized into three interconnected parts:

Part 0 – Machine Learning Foundations: An overview of supervised learning, neural networks, deep learning architectures, and Gaussian process regression (GPR), providing the theoretical groundwork for scientific applications.

Part I – Deep Learning for Forward Problems: Applications of deep learning to PDE solvers, including Physics-Informed Neural Networks (PINNs), Deep Ritz methods, Weak Adversarial Networks (WAN), and operator learning approaches such as DeepONet and Fourier Neural Operators (FNO). The section also addresses challenges and recent advances in PINNs, as well as integrating GPR into PDE simulation and uncertainty quantification.

Part II – Deep Learning for Inverse Problems and Data Assimilation: Covers the theory of ill-posed inverse problems and regularization methods, surrogate modeling for forward operators, generative models for regularization, and deep inverse operators. The data assimilation module introduces filtering and smoothing techniques, learning-based forecast and observation operators, and deep learning–enhanced assimilation algorithms.

二、课程日期安排

2026年11月11日报到，11月12日-15日上课，11月16日离会。

三、短课程地点

1. 上课地点：厦门大学海韵园实验楼S102

2. 住宿地点：鹭江佲家酒店，福建省厦门市思明区曾厝垵龙虎山路382号，0592-2199099（国家天元数学东南中心为厦门市外学员提供住宿，标间，两人一间）

3. 用餐地点：海韵食堂

四、招生对象

优秀青年教师、博士生、硕士生（招生人数20人）

五、联系人

马老师（tymath3@xmu.edu.cn）

六、报名

1. 网上报名，请扫描简章下方的二维码登录报名（需上传签字盖章后的附件申请表）。

2. 报名截止日期为2026年10月25日，录取结果将通过邮件的方式通知学员。

    3. 学员在厦期间，需遵守相关规定与考勤制度，防范各类风险，严禁下海游泳。

            附件：短课程申请表.docx