力学仿真与工程智能的可行可信耦合

本报告围绕力学仿真与工程智能的可行可信耦合，介绍课题组在AI for Engineering领域的研究进展。在人工智能赋能力学方面，构建了基于贝叶斯高斯过程的可解释智能计算框架，发展了面向小样本、低算力、高可信预测的DORGP系列方法，并提出强泛化智能设计框架，实现复杂工程问题的高效分析与优化设计。在力学反哺指导人工智能方面，针对现有Physics-Informed Neural Networks存在的难题，提出嵌入任意阶物理信息的高斯过程智能求解框架，实现?边界精准满足、场量高精度求解与参数反演一体化。构建融合物理机理、数据驱动与概率推理，奠基工程智能新途径。

丁陈森，北京大学助理教授，研究员，博士生导师。聚焦于数智（数值与智能融合）计算力学理论、方法与应用：包括数值仿真算法和工业软件开发，数据驱动/人工智能算法、软件和应用，装备不确定性和可靠性分析优化，结构/材料一体化分析优化和智造。主持科技委人才引进项目、教育部人才引进项目、英国全球人才项目，以及基金委面上项目、科技委基础加强项目和重点项目子课题，科技部重点研发子课题等多个项目。受邀担任波兰国家自然科学中心、国家自然科学基金委和教育部学位与研究生教育中心等评审专家，中国复合材料学会青年工作委员会委员。国际期刊JRSE和计算力学学报等青年编委。