报告简介：在现代科学和工程领域，基于偏微分方程的计算模型扮演着核心角色。随着技术的发展，如何利用数据驱动方法或机器学习技术来优化这些计算模型，比如加速设计优化流程、实现实时控制等目标，已成为近几十年的研究热点。本报告将系统探讨机器学习技术在求解偏微分方程类复杂工程与科学问题中的应用研究，重点阐述其在设计优化加速方面的前沿进展。

报告人简介：黄政宇，北京国际数学研究中心教师，助理教授，博士生导师。本科毕业于北京大学计算数学专业，博士就读于斯坦福大学，获计算数学与航空航天博士学位，随后在加州理工学院从事博士后研究。从事计算数学、数据科学和计算工程的交叉领域研究。