报告1
题目: Generating mechanism and dynamic of the smooth positons for the derivative nonlinear Schrödinger equation
时间：2021年11月17日15:00-16:00
地点：腾讯会议（会议号：161 941 751）
报告人：李茂华 宁波大学
摘要: In this talk, we will focus on the $n$-order smooth positon solutions for the derivative nonlinear Schr\{o}dinger equation. Furthermore, the decomposition process, bent trajectory and the change of the phase shift for the positon solutions are discussed in detail. The $n$-positon solution of the higher-order Chen-Lee-Liu (HOCLL) equation are obtained by the special limit taking from the corresponding $n$-soliton solution.
报告人简介：
李茂华，男，中国科学技术大学博士，宁波大学副教授, 硕士生导师。主要从事离散可积系统代数结构与几何性质的研究。在J. Math. Phys.， J. Geom. Phys.等数学物理国际杂志发表论文十多篇。
报告2
题目： 用广义达布变换构造多分量的非线性薛定谔系统的怪波解
时间：2021年11月17日16:00-17:00
地点：腾讯会议（会议号：161 941 751）
报告人：白玉山，内蒙古工业大学数学系教师，博士、副教授。
摘要：达布变换是构造可积系统解的孤子解、有理解的一种强有力的方法。近年来，在海洋中出现的怪波在光学、超流体等领域得到了广泛的研究和应用。广义达布变换是能够构造怪波解的一个简单而有效的工具。该报告给出了多分量的非线性薛定谔系统的达布变换和广义达布变换的迭代公式，并构造了n-阶怪波解.
主要研究方向：微分方程Lie对称分析、可积系统。
报告3
题目：基于物理信息的深度学习算法及其在微分方程系统中的应用研究
时间：2021年11月17日17:00-18:00
地点：腾讯会议（会议号：161 941 751）
报告人：白月星，博士生
摘要：从20世纪80年代到现在为止，深度学习为人工智能领域提供了精准的预测和识别能力，并且使人类在智能化时代受益良多。由于PINN是一种将深度学习和物理信息结合的神经网络，该方法不仅打破传统数值方法(有限差分、有限元等)对网格、区域的约束，而且也无需设计数值解的形式，只需从初边值条件中随机抽取样本点作为训练网络的输入数据，通过优化算法使的误差函数最小即可得到微分方程的数值解。鉴于PINN 算法在实际应用中表现出收敛慢甚至不收敛的状态，将自适应激活函数引入PINN，得到改进的物理信息神经网络(IPINN)。本报告将在解释PINN和IPINN算法的基础上，分别利用 PINN和IPINN算法对修正的Kortewegde Vries方程、Huxley方程的孤子解进行研究。同时也利用上述算法对Mkdv方程、Kdv-Burger方程、Huxley方程的逆问题进行研究。结果证实IPINN 具有自适应性强、精度高的优点，避免传统神经网络利用稀疏数据求数值解时出现的过拟合现象。本研究内容无疑给人们认识和理解微分可积系统增加了新的有价值的内容，为不受维数、非线性项、阶数限制的数值解研究提供具有创新性思路。
关键词：深度学习, IPINN算法, IPINN算法，孤子解
报告人简介：2018.09-2022.07在上海海事大学信息管理与信息系统方向攻读博士。已发表8篇文章其中4篇SCI论文，1区论文1篇。