报告人：周翔教授

报告题目：稀有事件中的过渡态鞍点计算

报告摘要：In the study of rare events, transition state is one of central concepts, which can regarded as index-1 saddle point (SP) on energy landscapes. This talk will review the main methods of finding these special saddle points, including the gentlest ascent dynamics (GAD) [1] and its multi-scale method for free energy. The optimizaiton formulation for transition state is also review in the framework of Iterative Minimization[2].  The  talk also focuses on computationally intensive energy function. The active learning from data science is introduced by combining Gaussian process regression (GPR) and the Gentlest Ascent Dynamics to overcome the prohibitive cost of original problem. We update the samples adaptively in training surrogate Gaussian Process by an active learning strategy[3]. These are joint work with Hongqiao Wang, Shuting Gu, Weiguo Gao and Weinan E, supported by Hong Kong GRF.

Reference : 

[1]The gentlest ascent dynamics. https://iopscience.iop.org/article/10.1088/0951-7715/24/6/008/pdf

[2] Iterative Minimization Formulation for Saddle Point Search https://epubs.siam.org/doi/10.1137/130930339

[3] Active Learning for Saddle Point Calculation. https://epubs.siam.org/doi/10.1137/130930339

报告时间：2024年12月27 日 10:00-12:00

腾讯会议：454701545

报告人简介：周翔教授，香港城市大学数学系和数据科学系教授。周教授分别于2001年和2004年获得北京大学数学科学学院学士和硕士学位，于2009年获得普林斯顿大学应用与计算数学博士学位，导师鄂维南院士。2009-2010年在普林斯顿大学担任研究助理，2010-2012年在布朗大学担任研究助理，2012年至今就职于香港城市大学。周教授的研究主要集中在自然科学和工程中出现的复杂动力系统中科学计算问题的计算算法的数值和数学方面。主要研究工作包括：(1) 能源景观的过渡态/鞍点计算；(2) 随机动力系统中的最优转移路径；(3) 罕见事件蒙特卡罗模拟。最近的项目探索了机器学习和动力系统之间的相互作用，应用于罕见事件中的长期挑战，以及高维偏微分方程的生成方法。周教授常年招收博士生，以及随机动力学、概率流、计算数学和机器学习方向的博士后，同时也与大湾区大学段金桥教授共同招收博士后。