由吉林大学留学人员联谊会主办，36365线路检测中心与统战部承办的首届“人工智能学术沙龙”，将于2018年11月21日晚18:00在吉林大学前卫校区国际学术大讲堂（中心图书馆西侧）举办。

　　本次学术沙龙将聚焦AI最前沿技术，重点关注人工智能技术的创新，以及对传统学科、行业的影响，旨在促进我校广大师生在人工智能相关领域的研究及交流，帮助我校学生更加全面地了解人工智能。  

　　本次沙龙将围绕机器学术与多体物理、量子计算、深度学习理论与其在行业中的应用等数个前沿主题，邀请到中科院物理研究所王磊副研究员、中科院理论物理研究所张潘副研究员、清华大学交叉信息研究院邓东灵助理教授、彩云天气CTO苑明理四位在人工智能领域的卓有建树的专家来校进行学术交流，同时邀请吉林大学校领导、吉林大学留学人员联谊会全体成员、青年教师共同参加。欢迎广大师生积极参与！

沙龙的详细情况如下：

主题：人工智能学术沙龙

时间：2018年11月21日晚 18:00-21:00

地点：吉林大学前卫校区国际学术大讲堂（中心图书馆西侧）

　　1.报告题目：深度学习的数学与物理

　　报 告 人：王磊 副研究员 中科研物理研究所

　　专家简介：　　

　　王磊，2006年本科毕业于南京大学，2011年获中科院物理研究所博士学位。此后在瑞士苏黎世联邦理工学院从事计算量子物理的博士后研究。从2016年3月起在中科院物理研究所工作。目前主要的研究兴趣是深度学习的理论与应用以及量子多体计算。热爱编程、崇尚技术。

　　报告摘要：

　　报告从一个科研故事开头，漫谈数学家与物理学家眼中的深度学习。 接下来，结合个人的研究体会，试着聊聊对于深层神经网络理解的三重境界。报告末将分享一些干货：深度学习的核心思想（表示学习）和关键技术（微分编程），以及它们对科学研究的影响。

　　2.报告题目：统计学习中的相变

　　报 告 人：张潘 副研究员 中科院理论物理研究所、

　　专家简介：

　　张潘，本科，博士(2009年)毕业于兰州大学，其后在法国巴黎的统计物理研究组，以及美国圣塔菲研究所做博士后研究，并于2015年就职于中科院理论物理研究所。张潘的研究方向为统计物理与机器学习的交叉领域，近年的研究兴趣集中在统计推断问题中的统计物理理论，以及基于量子和统计物理的非监督机器学习新方法。

　　报告摘要：

　　随着温度的升高，冰融化成水是一种典型的相变。通过压缩感知这个例子，报告将展示在很多基于统计的机器学习问题中也存在着类似的相变现象。这个现象限定了学习算法的理论极限，其背后更是蕴藏着具有丰富哲理的问题，其中包括这个世界上是不是有些问题比另一些问题要更难，自然界如何做计算，以及人工智能与物理科学是否存在着统一的方法论，等等。

　　3.报告题目：量子人工智能

　　报 告 人：邓东灵 助理教授 清华大学

　　专家简介：

　　邓东灵，本科毕业于南开大学，获物理与数学双学位。后进入陈省身数学研究所读理论物理硕士。2015年获美国密歇根大学物理博士学位后在马里兰大学做博士后研究。现为清华大学交叉信息研究院助理教授。主要从事量子人工智能方面的研究。

　　报告摘要：

　　最近，机器学习与人工智能引起了人们的极大兴趣。报告将介绍一个全新的领域：量子人工智能。这是一个研究量子物理与人工智能如何相互促进的交叉领域。一方面，报告将介绍量子计算机如何加速解决人工智能问题。另一方面，报告将展示如何应用人工智能的一些方法和技巧来解决复杂的量子问题。

　　4.报告题目：从例子看深度学习解传统问题

　　报 告 人：苑明理 彩云天气CTO

　　专家简介：

　　苑明理，2005年硕士毕业于北京大学数学系应用数学专业，其后于 HP、eBay 等公司从事开发工作，2014年与袁行远等人一起成立了彩云科技有限公司。目前专注于用深度学习解决传统的物理系统演化问题。

　　报告摘要：

　　报告将从实际工业界研发中的例子入手，漫谈深度学习如何解决传统的应用性问题。第一个例子是使用深度学习解决传统的算法问题，反映了神经网络超强的拟合能力；第二个例子是使用深度学习去扩展规则去噪，揭示了神经网络的泛化能力。第三个例子是深度学习解决短临降雨预报问题，说明在天气系统的演化问题上，深度学习或许可以开辟出一条新路。