主講人：倪一清

講座時間：2022年11月10日 9:00-10:30

講座形式：騰訊會議（會議號：856-284-859）

講座對象：全校相關專業感興趣師生

內容摘要：過去二十年，機器學習方法（特別是深度神經網絡）在科學和工程技術的各個領域獲得廣泛應用。可是，基于機器學習和深度神經網絡的建模方法通常需要大量的、覆蓋廣泛域的觀察數據（標簽數據）用作建模訓練，但在許多領域要獲得大量的觀察數據是十分昂貴甚至不可能。近幾年，基于物理信息的機器學習和神經網絡迅速發展。這一方法直接將物理系統的本構關系（通常是非線性偏微分方程）編碼進入神經網絡，從而形成以下優點：（1）由于嵌入本構方程，物理信息神經網絡用于響應計算（正問題）不需要任何訓練數據和數值求解，而用于參數識別（反問題）只需要少量的觀察數據；（2）建立的模型具有更好的物理一致性；（3）訓練域以外的預測更加可信；（4）在真實觀察數據的指引下，有可能構建更準確的物理模型。本講座介紹神經網絡嵌入物理信息的以下幾種方式：（1）將本構方程（及邊界條件、初始條件）嵌入訓練神經網絡的損失函數（loss function）；（2）結合遷移學習（transfer learning）將物理信息或本構方程引進深度神經網絡的初始化；（3）結合圖神經網絡（graph neural network）將物理信息和幾何信息嵌入神經網絡構造（architecture）。結合力學與結構工程實例，本講座同時討論物理信息神經網絡應用時的若干瓶頸及可能解決方案：（1）神經網絡訓練時的梯度病態問題（包括梯度爆炸和梯度消失）；（2）涉及高頻率和多頻率動力響應的譜偏差問題。

匯報人介紹：倪一清博士，現任香港理工大學嚴、麥、郭、鐘智能結構冠名教授，“智能結構與軌道交通”講座教授，國家軌道交通電氣化與自動化工程技術研究中心香港分中心主任。他的研究領域涵蓋結構健康監測、振動控制、智能材料與結構、貝葉斯機器學習、物理信息神經網絡、高鐵與磁浮列車安全。倪教授是國際結構控制與監測學會（IASCM）和國際智能結構健康監測學會（ISHMII）執委會委員。他目前擔任兩份學術期刊的聯合主編：《Journal of Infrastructure Intelligence and Resilience》(出版社：Elsevier)和《Intelligent Transportation Infrastructure》(出版社：Oxford University Press)；一份期刊的學術編輯：《Structural Control and Health Monitoring》(出版社：Wiley and Hindawi)；兩份期刊的副主編：《Journal of Civil Structural Health Monitoring》(出版社：Springer)和《Journal of Vibration and Control》(出版社：SAGE Publications)；以及七份期刊的編委會成員，包括《Engineering Structures》、《Smart Structures and Systems》、《Structural Monitoring and Maintenance》等。倪教授發表SCI期刊論文260多篇、國際會議論文330多篇。學術成果在SCI核心合集被引用超過8000次，H指數為47；在Google Scholar中被引用超過15000次，H指數為61。他是《國際結構健康監測雜志》評選的2017年結構健康監測年度人物獎獲得者，并是國家科學技術進步二等獎、廣東省科學技術進步一等獎、中國公路學會科學技術進步一等獎、中國振動工程學會科學技術進步二等獎、浙江省自然科學二等獎的獲得者。他亦兩次獲得日內瓦國際發明展金獎與特別大獎。他是斯坦福大學發布的土木工程領域全球前2%高被引科學家（2020年、2021年）。

交通運輸工程學院

2022年11月7日