2024年1月15日下午15:00，應我院曹龍超特聘教授邀請，香港科技大學的陸楊龍教授在陽光校區8D201為77779193永利官网師生做了一場精彩生動的學術報告。報告題目為“物理信息機器學習及其在先進制造中的應用（Physics-Informed machine learning in advanced manufacturing）”，學院院長餘聯慶教授以及近100名師生代表出席了本次學術報告。
陸教授分享了用于估計溫度場和熱傳導率的物理信息全卷積網絡，物理信息全卷積網絡可作為傳統數值模拟的替代模型，可以用少量數據重建溫度場，也可同時處理正演和反演問題。同時介紹了用于機器故障診斷的主動物理約束字典學習模型，主動物理約束字典學習通過自适應收集額外數據進行主動學習擴展，與PCDL相比，重建和分類誤差大幅降低，并介紹了其在制造過程監控、故障診斷以及醫學圖像處理中的應用。
物理基機器學習是将物理知識嵌入到機器學習模型中，其中基于物理的模型被用作約束，指導機器學習模型的訓練(例如物理信息/約束的神經網絡、物理信息的高斯過程等)。此外，物理定律可以提供額外的信息(例如在連續時空域中的随機數據點或控制關系)，以更高效地訓練機器學習模型。因此，這種混合方法可以顯著減少所需的訓練數據量，使機器學習模型更具可解釋性、泛化能力和可靠性。
此外，陸教授還分享了基于物理的壓縮感知，結構優化，生物打印以及遙感數據融合等方面的工作。陸教授的報告精彩紛呈，參會的老師和學生們積極與陸教授進行讨論交流。
本次報告内容豐富，涵蓋了多種物理信息機器學習算法，例如:物理信息全卷積網絡、物理約束字典學習、基于物理的壓縮感知，及其在不同制造領域的應用。掌握機器學習知識和技能，不僅能夠為自己開拓更廣闊的研究和就業前景，也能為社會進步做出了更大的貢獻。
陸楊龍教授簡介：
陸教授在喬治亞理工學院機械工程專業獲得博士學位，并在密西根大學安娜堡分校擔任了一年的博士後研究員。他的研究方向主要涉及增材制造過程監測、多物理場模拟、機器故障診斷和結構優化。陸教授在多物理場模拟、機器學習和過程監測方面擁有豐富的經驗，并已在國際知名期刊及會議上發表相關研究成果20餘篇及申報了兩項美國專利。曾擔任ASME和IISE等知名國際學術會議的分會場主席。曾獲美國機械工程協會最佳博士畢業論文獎，入圍2023美國國家自然基金制造業藍天競賽，密西根大學博士後協會會議獎，美國機械工程協會制造與生命周期設計會議海報競賽獎等。此外，陸教授曾于2016年共同創立了SolCharged太陽能公司。陸教授目前已主持或者參美國自然科學基金委、美國高數位制造與設計創新研究所、香港科技大學-産業轉化中心項目等項目。
