2026年北京大学研究生应用数学专题讲习班圆满结束
7月6日至7月31日,2026年北京大学研究生应用数学专题讲习班在北京大学成功举办。本次讲习班由北京大学数学科学学院和北京国际数学研究中心联合主办,并得到国家自然科学基金委员会天元基金和北京大学“研究生教育创新计划”专项支持。讲习班立足学科前沿,聚焦应用数学交叉领域,致力于为全国青年科研人才搭建高水平学术交流平台,为我国应用数学的创新人才培养提供有力支撑。

课堂合影
本次讲习班的课程体系紧扣人工智能与基础科研协同发展的时代需求,以应用数学为根基,以学科交叉为导向,内容涵盖科学计算、深度学习、数学优化、博弈论等多个前沿方向。活动吸引了来自国内外多所高校和科研院所的253名研究生和青年教师齐聚燕园,共同探讨国际应用数学交叉研究的前沿课题。
开幕式上,北京大学数学科学学院党委书记胡俊教授,北京国际数学研究中心文再文教授、安冬助理教授、黄政宇助理教授先后致辞。他们对全体学员的到来表示热烈欢迎,勉励大家深耕应用数学基础,夯实交叉研究能力,并勇于探索前沿学术问题。随后,他们向学员们逐一介绍了本次讲习班的五门专题课程及授课专家。


胡俊、文再文、安冬、黄政宇分别致辞并介绍授课教师
阿卜杜拉国王科技大学许进超教授主讲“Mathematical Theory for Deep Neural Networks”课程,从逼近理论、统计学习理论和优化动力学等角度,系统阐释深度神经网络的数学基础,为神经网络的实际应用与高效训练提供理论指导。

许进超在授课
德国奥格斯堡大学Daniel Peterseim教授主讲“Computational Multiscale Methods for Partial Differential Equations”课程,系统介绍了偏微分方程多尺度问题的数值计算方法,重点讲解了局部正交分解方法的基本原理、算法设计与误差分析,并结合非线性特征值问题、学习型方法及经典—量子混合算法等前沿方向,展示了多尺度计算方法在复杂科学与工程问题中的应用。
Daniel Peterseim在授课
美国国家工程院院士、南加州大学Jong-Shi Pang教授开设了“Heaviside Composite Optimization: A New Paradigm in Optimization”和“Noncooperative Games and Extensions: From Classical to Modern”两门课程。前者系统介绍 Heaviside复合优化这一融合连续与离散决策的新型优化范式,涵盖相关建模理论、算法设计及渐进整数规划求解方法,并结合分类与决策规则等问题阐释其应用;后者从经典非合作博弈与纳什均衡出发,深入探讨博弈模型的理论分析和计算方法,并拓展至共享出行、自动驾驶与电动汽车混合交通等现代多主体决策场景。
Jong-Shi Pang在授课
瑞典皇家理工学院朱家杰副教授主讲“Computational Gradient Flows and Optimal Transport”课程,从最常见的梯度下降方法入手,逐步将其推广至一般流形上的梯度流框架。课程系统讲解了最优传输问题的基本原理,并进一步以概率测度下的梯度流为工具,展示了相关理论在实际中的应用。
朱家杰在授课
这一系列前沿课程获得了学员们的热烈反响。授课专家们教学逻辑清晰、内容凝练充实,既有严密的理论推导,又辅以生动的实践案例。这些课程不仅为学员们带来了国际化、前沿性的学术研究视角,也有效弥补了他们在应用数学交叉领域的理论短板,帮助他们拓宽科研思路、提升学术素养,为后续开展高水平、创新性交叉研究筑牢理论根基。
讲习班期间,学术氛围浓厚,学员们展现出极高的科研热情。课堂上,他们积极参与专题讨论;课后,他们主动与授课专家深入交流,探讨科研难题。来自不同院校的学员互学互鉴,在交流合作中碰撞思想,激发创新思维,收获了丰富的前沿知识和宝贵的学术启发。



课堂照片
7月31日,本次讲习班圆满闭幕。讲习班的成功举办,为国内青年学者搭建了一个高水平、国际化的应用数学交叉学科交流平台,助力青年科研人才科研能力提升。展望未来,讲习班将继续深耕交叉学科人才培育,汇聚国际优质学术资源,为我国应用数学学科的创新发展和高层次人才队伍建设不断注入新的活力。
