IOP出版社旗下Machine Learning in Science & Technology(MLST)期刊是一本跨学科期刊,致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。期刊文章主要包括:
- 应用科学问题(或受科学问题的激励)在机器学习方面取得概念或方法上的进步,或
- 提高机器学习的水平,驱动科学应用的发展。
本次,我们邀请了MLST期刊的主编以及领域内的专家,他们将在线上免费为大家带来一场关于机器学习的专题英文讲座。
点击下载时间:2020年11月20日(周五)下午3:00 – 5:00(北京时间)
讲座信息
主持人:翟荟教授 清华大学
演讲嘉宾:
- Anatole von Lilienfeld教授奥地利维也纳大学演讲主题:Overview of the field and his perspective on the direction of Machine Learning in Science & Technology globally
- 尤亦庄博士美国加利福尼亚大学圣地亚哥分校演讲主题:Machine Learning and Physics
- 王戈教授美国伦斯勒理工大学演讲主题:Medical Physics and Machine Learning
- 薛德祯教授西安交通大学演讲主题:Active learning in searching for new materials with targeted properties
嘉宾介绍
Anatole von Lilienfeld 教授
奥地利维也纳大学Machine Learning in Science & Technology期刊主编
Anatole von Lilienfeld教授利用量子力学、超级计算机、大数据和机器学习等方法,开发了基于第一原理的化合物空间采样方法。他还对赝势、范德华力、密度泛函理论、分子动力学和核量子效应感兴趣。截至2020年10月,Anatole von Lilienfeld教授担任奥地利维也纳大学物理系教授。
翟荟教授于2009年起任清华大学高等研究院研究员,2012年获得长聘,2015年任高等研究院教授。研究领域:
- 冷原子量子气体等量子物质的理论研究。冷原子物理方面的研究涉及冷原子分子系统的各个方面,主要包括:1. 强相互作用的冷原子量子气体:Feshbach共振附近的少体和多体问题,非平衡问题等。2. 基于冷原子体系的拓扑物态:自旋-轨道耦合和人工规范势在冷原子体系中的物理效应,拓扑物态的动力学和相互作用效应等。3. 光晶格中冷原子量子模拟:玻色、费米Hubbard模型,量子相变等。
- 机器学习方法在物理学中的运用。
- 全息对偶原理(Holographic Principle)和量子物质。
尤亦庄博士于2013年在清华大学高等研究中心获物理学博士学位。研究领域:
- 理论凝聚态物理
- 强关联系统
- 物质的拓扑量子相
- 多体局部化
- 热化、纠缠、张量网络、全息原理
- 机器学习
王戈教授是美国伦斯勒理工学院生物医学工程系教授,生物医学影像中心主任。专注于X射线计算机断层扫描、光学分子断层扫描、多尺度和多模态成像创新、机器学习用于图像重建等方面研究。主持多个大型NIH和NSF项目,创始主编International Journal of Biomedical Imaging。IEEE、SPIE、OSA、AIMBE、AAPM和AAAS协会Fellow。发表了430多篇期刊论文,其团队与哈佛、斯坦福、康奈尔、MSK、UTSW、耶鲁、GE全球研究中心等均有深度合作。
薛德祯,男,工学博士。西安交通大学金属材料强度国家重点实验室教授。主要从事材料信息学研究,以机器学习辅助实现铁性材料的高性能化,致力于材料学与信息学的交叉融合。于2012年获西安交通大学材料科学与工程专业博士学位。2013年至2015年,在美国洛斯阿拉莫斯国家实验室从事博士后研究;至今,薛德祯博士发表论文80篇(SCI收录73篇,书籍章节5篇),其中以第一/通讯作者发表SCI论文38篇,包括Nat. Commun.、PNAS.、Phys Rev. Lett.、Adv. Mater.、Adv. Sci., Acta Mater.等。相关的研究工作受到了国际同行高度评价和肯定,MRS Bulletin的专题评论中称“薛等所发展的快速优化方法体系为新材料的设计开发提供了最好的统计学方法”。入选了国家层次青年人才计划,获得了教育部自然科学奖一等奖(排名第六)、陕西省优秀博士论文、美国洛斯阿拉莫斯国家实验室院长博士后,陕西省高校青年人才支持计划等荣誉。
参会方式
欢迎参会交流,分享知识与见解, 积极参与互动的参会者还有机会获得精美小礼品哦,扫描下方二维码,现在就注册参会吧。
https://attendee.gotowebinar.com/register/3910784050484378124
期刊介绍
Machine Learning in Science & Technology
Machine Learning in Science & Technology(《机器学习:科学与技术》,MLST)是一本跨学科期刊,致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。涉及领域包括:材料设计和发现;量子机器学习;分子和化学系统模拟;物理和天文学中的机器学习应用;生物学和医学中的人工智能和机器学习;地球科学中机器学习的应用(包括自然灾害预测)和气候学研究;以及应用算法等。