9月17日下午，黑料社 于信息楼四楼多功能厅举办专题学术讲座。本次讲座特邀华东师范大学、山东科技大学陈勇教授作题为《可积深度学习》的学术报告。报告由黑料社 院长周钰谦主持，学院近七十余名师生到场聆听。

报告中，陈勇教授阐述了提出可积深度学习概念与研究框架的研究动机。传统物理信息神经网络（PINN）在求解非线性可积方程、捕捉孤子、怪波等局域波解时，存在训练不稳定、求解精度不足等痛点。可积深度学习将可积系统的解析理论与深度学习有机结合，把Lax对、Miura变换、达布变换这些经典可积理论工具融入神经网络训练，充分挖掘方程本身蕴含的守恒结构，以此提升神经网络求解可积系统的能力。

随后，陈勇教授系统介绍团队近年在可积深度学习算法方向的系列重要进展。一是提出基于守恒律的两阶段PINN方法与基于Miura变换的PINN方法，借助Miura变换实现不同非线性方程解之间的转化，有效提升孤子解的求解精度；二是构造Lax pair-informed信息神经网络（LPNNs）以及结合达布变换的DT-LPNN网络，将Lax对约束嵌入神经网络损失函数，利用达布变换构造新的局域波解；三是搭建面向可积系统的全新卷积神经网络架构，包括基于伪网格的物理信息卷积循环网络PG-PhyCRNet，以及用于怪波识别的多项式提取器PE-RWP，实现怪波模式的高效捕捉与提取。

本次学术报告搭建了良好的跨学科交流平台，让在场师生了解到可积系统与深度学习交叉方向的前沿动态，拓宽了应用数学的研究思路，激发了同学们对于非线性数学物理、智能数值求解方向的研究兴趣。参会师生纷纷表示受益匪浅，本次讲座为后续的科研学习提供了重要启发。

专家简介：陈勇，华东师范大学和山东科技大学教授、博士生导师，曾多年担任华东师范大学计算机理论所所长，上海市闵行区拔尖人才。主要从事非线性数学物理、可积系统理论、计算机代数、可积深度学习算法、混沌动力学及大气海洋动力学等领域研究，建立了非线性方程机械化求解方法与李群理论优化体系，并成功应用于大气海洋物理模型研究。2019年在国际上率先提出“可积深度学习”原创概念与交叉研究框架，带领团队取得系列标志性研究成果。累计发表SCI学术论文300余篇，先后主持和参加国家自然科学基金面上项目5项、重点项目3项，骨干参与973项目1项，长江创新团队项目PI2项，在可积系统与人工智能交叉领域具有广泛的学术影响力。