题  目：AI for Science: Striking the Best Data-Knowledge Tradeoff

内容简介：Modern AI tools are hungry for data. However, data is limited in many fields of scientific discovery, and hence, domain knowledge often has to be built in. In this talk, I’ll tell several stories about my group’s journey in developing novel AI tools and frameworks for solving scientific problems. In particular, I’ll highlight our efforts in solving difficult scientific inverse problems—in both data-rich and data-poor regimes, and our ambition to build principled computational tools for solving deep learning problems with nontrivial constraints resulting from knowledge integration.

报告人：孙举

报告人简介：孙举（博士）现为美国明尼苏达大学双城分校计算机科学与工程系的助理教授。他的研究兴趣涵盖机器/深度学习、计算机视觉、数值优化、数据科学、计算成像和医疗保健。他最近的研究重点是深度学习的基础和计算，以及创新型的深度学习技术在解决重大科学、工程和医学问题中的应用。他曾在斯坦福大学担任博士后（2016-2019），2016 年获得哥伦比亚大学电气工程博士学位（2011-2016），2008 年获得新加坡国立大学计算机工程学士学位（辅修数学）（2004-2008）。他曾荣获2015年SPARS最佳学生论文奖、2017年新世界数学奖（NWMA）博士论文荣誉奖、2021年人工智能促进会（AAAI）新教授嘉奖和2024年国际基础科学大会（ICBS）前沿科学奖（数学）。

时  间：2024年7月9日（周二）下午15：00开始

地  点：南海楼224数学系会议室

热烈欢迎广大师生参加!

信息科学技术学院

2024年7月5日