5月30日晚，应数学与数据科学学院邀请，中山大学邹青松教授做客我校“前沿科学报告”，做了题为“PDENNEval: A Comprehensive Evaluation of Neural Network Methods for Solving PDEs”的学术报告。此次报告由数学与数据科学学院院长李剑主持，相关领域教师和研究生参加了此次学术报告。
邹教授以“神经网络算法的新进展”为主题，详细阐述了其团队在神经网络算法领域的最新研究成果。他首先指出了当前神经网络算法研究面临的挑战，包括发表高质量论文的难度以及理论研究与实际应用之间的鸿沟。随后，邹教授分享了他们团队在解决这些问题方面所做的努力和取得的成果。
据邹教授介绍，他们团队在传统计算数学方法理论方面有着深入的研究，特别是在高阶高精度有限体积方法方面取得了显著成果。近年来，他们将这一优势拓展到人工智能计算领域，成功构造了自适应深度神经网络方法、正反向随机时序差分算法和深度有限体积方法等。这些方法不仅提高了神经网络的训练效率和性能，还为其在解决实际问题时提供了更为可靠的理论支持。他表示，随着人工智能技术的不断发展，神经网络算法在图像处理、语音识别、自然语言处理等领域的应用越来越广泛。然而，如何将这些算法更好地应用于实际问题中，仍需要广大科研工作者进行深入的研究和探索。
此外，邹教授还分享了他在研究过程中的一些心得和体会。他强调，科研工作需要耐心和毅力，同时也需要不断地学习和探索新的领域和方法。只有这样，才能在激烈的学术竞争中脱颖而出，取得更为丰硕的成果。
报告会结束后，与会师生纷纷表示受益匪浅。他们纷纷表示，邹教授的报告不仅让他们对神经网络算法有了更深入的了解，还激发了他们对科研工作的热情和信心。同时，他们也对周教授在科研领域取得的成就表示由衷的敬佩和祝贺。
新闻小贴士：
邹青松，教授、中山大学计算机学院科学计算系主任、广东省计算数学学会理事长。研究领域包括偏微分方程的传统计算方法和人工智能方法。在传统计算方法领域，对于高阶高精度有限体积法有较深入系统研究。在人工智能计算领域，曾构造自适应深度神经网络方法、正反向随机时序差分算法，深度有限体积法等。在SIAM J Numer Anal，Math Comp, Numer Math， J Comp Phys等期刊发表论文70多篇。主持国家自然科学基金面上项目、国家科技部科技创新重大项目课题、广东省自然科学基金重点和面上项目等。获评2020年获广东省自然科学二等奖（排名第1）。
