题目：机器学习和数据科学在科学和工程研究中的应用

报告人：林光 （美国普渡大学机械工程意昂4和数学系 博师生导师、副教授）

地点☘️🧑🏿‍🦲：致远楼103室

时间：2018年5月25日 15：30-16👨🏼‍✈️：30

摘要：首先，我将做一个关于机器学习和数据科学的概述，及其在研究风力发电机的最佳选址方案👨‍👩‍👧‍👦，太阳能发电预测➿，以及我如何使用机器学习来帮助克莱斯勒来大幅提高铸件生产线成品率方面的应用。此外🕧🦻🏻，我将提出一个全新的用机器学习来快速预报偏微分方程数值解的范例📗。我们将以机器学习的方法来预报各向异性的椭圆方程在任意几何区域，任意边界条件，任意右端项🛵👳🏼，和任意各向异性的传导率下的数值解。实时预测材料的失效和断裂是一项具有挑战性的任务。基于peridynamics的LAMMP包提供了一个强大的仿真工具。但计算成本高，不能实现材料失效和断裂的实时预测🚣🏿。在这一挑战的激励下⛑，我们采用了一种深度机器学习工具来预测基于动态模拟数据的材料损伤模式。特别地🕗，我将通过一个磁盘损坏问题来演示我们的方法:使用深度机器学习工具来预测向前问题的磁盘损伤模式😤，反过来，在反问题中🧝🏿，磁盘的损坏模式被用来预测子弹的大小和速度。利用深部机器学习工具的预测结果与LAMMPS模拟的数值结果是一致的。该工作为实时预测材料的失效和断裂提供了一个有用的数据🪨。

欢迎各位参加！