4月15日下午，我院科学计算与人工智能（SCAI）实验室陈景润教授邀请了来自香港城市大学的周翔教授作了题为《Weak Generative Adversarial Networks to Sample invariant Distribution》的学术报告，共同探讨机器学习的最新进展。
在此次学术报告中，周翔教授介绍了扩散过程不变分布的有效采样通常需要很长时间的模拟以达到收敛效果。对于不可逆系统，Langevin 动力学后的 Metropolis 调整在 MCMC 中不适用。其研究团队基于Fokker Planck方程的弱形式，设计了一种神经网络模型能直接生成不变 pdf 的样本而不求解 pdf。通过使用归一化流作为采样工具，并依赖于数据驱动的测试函数族来训练。这种新的弱对抗方法不像其他方法那样计算雅可比矩阵行列式，并且显示了其在多模亚稳定系统的最先进的性能。
周翔教授目前就职于香港城市大学数学系和数据科学学院，其主要研究重点是罕见事件以及随机模型和机器学习算法的新计算方法的开发：包括随机动力系统的转变、罕见事件模拟、鞍点计算和高维控制问题，其研究成果已在SIAM、Journal of Computational Chemistry、Chaos、Nonlinearity和Annals of Applied Probability等国际知名学术期刊上发表。
此次学术报告不仅丰富了参会师生的学术视野，加强了双方单位间的交流与合作，也为后续机器学习求解偏微分方程的研究和应用提供了重要的参考和启示。
（ 科学计算与人工智能实验室 ）
