报告题目：数据驱动的动力系统基本变量学习

报告人：黄旷（香港中文大学）

报告时间：11月20日（周三）10:00-11:00

主持人：李若泰

报告地点：沙河校区理学楼202

报告摘要：

物理定律通常可以描述为状态变量之间的关系，这些状态变量为相关动力系统提供了完整且无冗余的描述。大多数基于数据驱动的物理现象建模方法都假设观测到的数据已经对应于给定的状态变量。然而，从实验数据中自动识别一组状态变量的过程仍然难以实现。我们提出一个框架，可以直接从视频中确定观测系统可能具有的状态变量数量，以及这些变量的可能形式。我们还通过对各种动力系统的视频（从双摆到火焰）的实际学习，展示了该方法的有效性。

报告人简介：

黄旷，香港中文大学数学系研究助理教授。2017年本科毕业于武汉大学数学与统计学院，2022年博士毕业于美国哥伦比亚大学应用物理与应用数学系。主要研究领域为非局部模型、基于深度学习的复杂系统建模、交通流模型与平均场博弈，在Nature Computational Science, SIAM Journal on Applied Mathematics, SIAM Journal on Numerical Analysis, IEEE Transactions on Intelligent Transportation Systems等期刊上发表多篇学术论文。