主讲人：倪一清
讲座时间：2022年11月10日 9:00-10:30
讲座形式：腾讯会议（会议号：856-284-859）
讲座对象：全校相关专业感兴趣师生
内容摘要：过去二十年，机器学习方法（特别是深度神经网络）在科学和工程技术的各个领域获得广泛应用。可是，基于机器学习和深度神经网络的建模方法通常需要大量的、覆盖广泛域的观察数据（标签数据）用作建模训练，但在许多领域要获得大量的观察数据是十分昂贵甚至不可能。近几年，基于物理信息的机器学习和神经网络迅速发展。这一方法直接将物理系统的本构关系（通常是非线性偏微分方程）编码进入神经网络，从而形成以下优点：（1）由于嵌入本构方程，物理信息神经网络用于响应计算（正问题）不需要任何训练数据和数值求解，而用于参数识别（反问题）只需要少量的观察数据；（2）建立的模型具有更好的物理一致性；（3）训练域以外的预测更加可信；（4）在真实观察数据的指引下，有可能构建更准确的物理模型。本讲座介绍神经网络嵌入物理信息的以下几种方式：（1）将本构方程（及边界条件、初始条件）嵌入训练神经网络的损失函数（loss function）；（2）结合迁移学习（transfer learning）将物理信息或本构方程引进深度神经网络的初始化；（3）结合图神经网络（graph neural network）将物理信息和几何信息嵌入神经网络构造（architecture）。结合力学与结构工程实例，本讲座同时讨论物理信息神经网络应用时的若干瓶颈及可能解决方案：（1）神经网络训练时的梯度病态问题（包括梯度爆炸和梯度消失）；（2）涉及高频率和多频率动力响应的谱偏差问题。
汇报人介绍：倪一清博士，现任香港理工大学严、麦、郭、钟智能结构冠名教授，“智能结构与轨道交通”讲座教授，国家轨道交通电气化与自动化工程技术研究中心香港分中心主任。他的研究领域涵盖结构健康监测、振动控制、智能材料与结构、贝叶斯机器学习、物理信息神经网络、高铁与磁浮列车安全。倪教授是国际结构控制与监测学会（IASCM）和国际智能结构健康监测学会（ISHMII）执委会委员。他目前担任两份学术期刊的联合主编：《Journal of Infrastructure Intelligence and Resilience》(出版社：Elsevier)和《Intelligent Transportation Infrastructure》(出版社：Oxford University Press)；一份期刊的学术编辑：《Structural Control and Health Monitoring》(出版社：Wiley and Hindawi)；两份期刊的副主编：《Journal of Civil Structural Health Monitoring》(出版社：Springer)和《Journal of Vibration and Control》(出版社：SAGE Publications)；以及七份期刊的编委会成员，包括《Engineering Structures》、《Smart Structures and Systems》、《Structural Monitoring and Maintenance》等。倪教授发表SCI期刊论文260多篇、国际会议论文330多篇。学术成果在SCI核心合集被引用超过8000次，H指数为47；在Google Scholar中被引用超过15000次，H指数为61。他是《国际结构健康监测杂志》评选的2017年结构健康监测年度人物奖获得者，并是国家科学技术进步二等奖、广东省科学技术进步一等奖、中国公路学会科学技术进步一等奖、中国振动工程学会科学技术进步二等奖、浙江省自然科学二等奖的获得者。他亦两次获得日内瓦国际发明展金奖与特别大奖。他是斯坦福大学发布的土木工程领域全球前2%高被引科学家（2020年、2021年）。
交通运输工程学院
2022年11月7日
