6月29日下午，由188滚球网 主辦的機器學習理論與AI for Science（AI4S）前沿學術講座在中國科學技術大學高新校區圖教中心C101會議廳舉行。南加州大學Shang-Hua Teng（滕尚華）教授、Xiaohui Chen（陳曉輝）教授應邀來訪，分別圍繞機器學習可學習性理論與AI4S中的能量引導學習作專題報告。報告由張蘭副院長主持。
滕尚華教授為南加州大學計算機科學與數學校級教授，ACM、SIAM會士，曾兩次榮獲理論計算機科學領域重要獎項哥德爾獎，在理論計算機科學、機器學習理論和算法設計等領域作出重要貢獻，具有廣泛國際影響。首場報告中，滕尚華教授以“Proper Learnability and the Role of Unlabeled Data and Regularization”為題，從可學習性、正則化、結構風險最小化等基礎問題切入，介紹未標注數據在提升學習算法性能與泛化能力中的作用，並結合最大熵原則、貝葉斯學習結構等思想，幫助師生理解現代機器學習模型背後的數學邏輯。
陳曉輝教授為南加州大學數學與計算機科學教授、加州理工學院訪問副教授，長期從事統計機器學習、人工智能、數據科學與優化交叉領域研究，曾獲美國NSF CAREER Award、ICSA傑出青年研究者獎等國際學術榮譽。第二場報告中，陳曉輝教授以“Energy-Guided Learning for Physical Dynamical Systems with Auxiliary Data”為題，圍繞人工智能賦能科學研究中的物理建模問題展開分享。他指出，在物理動力係統和偏微分方程學習等場景中，僅依賴數據驅動方法往往麵臨樣本效率、穩定性和泛化能力方麵的挑戰；將物理結構、能量泛函與輔助數據合理融入模型訓練，有助於提升模型對複雜科學問題的學習能力，為高維動力係統建模提供新的思路。
兩場報告一方麵從機器學習基礎理論出發，討論學習算法如何利用未標注數據與先驗信息提升泛化能力；另一方麵麵向AI4S應用前沿，探討如何將物理規律與數據驅動模型有機結合。講座期間，師生圍繞機器學習理論、科學數據利用、物理先驗融入模型、AI4S在科學計算和工程應用中的潛力等問題與兩位教授進行了交流，現場學術氛圍濃厚。
本次講座為188金宝慱体育版 師生了解機器學習理論前沿和AI4S交叉研究趨勢提供了良好平台，有助於拓寬學生科研視野，促進人工智能、數學、物理與工程等相關學科的交叉融合，也為學院進一步加強國際學術交流、推動高水平合作奠定了基礎。
