学会新闻
聚焦机器学习与优化|2026 年首都前沿学术成果报告会(应用数学专场)在北大举办
10 月 15 日下午,2026 年首都前沿学术成果报告会(应用数学专场)在北京大学智华楼丁石孙报告厅召开。本次活动在北京市科协指导下,由北京计算数学学会主办、北京大学数学科学学院协办,会议主题为“机器学习与优化”,重点研讨机器学习优化方法及其在微分方程求解中的应用。会议由龚伟研究员主持,李铁军教授致开幕辞。

龚伟研究员在开场讲话中介绍本次专场定位,并会前公布 2026 年度首都前沿学术成果优秀论文评选结果。本次评选得到北京市科协资助,共征集到 10 篇推荐论文,经常务理事会投票,最终选出 6 篇优秀论文,首篇公布的获奖论文为中科院数学与系统科学研究院谢和虎团队成果。
2026 年度首都前沿学术成果优秀论文名单:
谢和虎等,Tensor neural network and its numerical integration,《Journal of Computational Mathematics》,2024
袁坤等,Understanding the Influence of Digraphs on Decentralized Optimization: Effective Metrics, Lower Bound, and Optimal Algorithm,《SIAM Journal on Optimization》,2025
黄记祖等,Frequencyadaptive multiscale deep neural networks,《Computer Methods in Applied Mechanics and Engineering》,2025
谌稳固等,Casual attention: Adaptive enforcement of causality in physicsinformed neural networks,《Journal of Computational Physics》,2026
王轶凡等,FieldTNNbased machine learning method for Maxwell eigenvalue problems,《Journal of Computational Physics》,2026
徐真等,Masspreserving spatiotemporal adaptive PINN for CahnHilliard equations with strong nonlinearities and singularities,《Neural Networks》,2026
谌稳固、袁坤、王轶凡、徐真四位获奖代表在本次会上作学术报告。
谌稳固研究员(北京应用物理与计算数学研究所) 针对 PINNs 求解时间依赖方程的因果性痛点,提出自适应无梯度逐点加权方法,可适配各类重采样算法,在混沌、界面演化问题上取得最优结果。

袁坤助理教授(北京大学) 剖析有向网络拓扑对分布式非凸优化的影响,提出新指标 “平衡偏度”,建立收敛下界,设计 MGPushDIGing 算法逼近理论最优性能。

王轶凡助理教授(中央财经大学)将张量神经网络(TNN)方法拓展应用于Maxwell 电磁特征值问题,引入散度为零约束自动滤除伪特征对,有效提升电磁计算的效率与精度。

徐真副研究员(北京工业大学)面向强非线性、含奇异性 CahnHilliard 相场方程,提出保质量时空自适应 PINN 算法,通过自适应剖分采样与质量约束,有效求解复杂相场模型。

报告结束后,线上线下专家围绕 PINN 理论、分布式优化、电磁及相场方程机器学习求解等热点开展热烈研讨。
本次活动线下汇聚高校及科研院所师生,同步开启腾讯会议线上直播,50 余名观众线上参会。报告会搭建起优质学术交流平台,推动计算数学与人工智能交叉创新。