各位老师同学好, 以下发布一则学术报告通知, 欢迎各位老师同学参加, 谢谢！
报告题目：基于条件高斯 Koopman 网络（CGKN）的数据驱动预测与同化
报告人：王仲睿 PhD student University of Wisconsin–Madison
报告时间：2026年9月4日下午16:30
报告地点：红瓦楼726会议室
报告内容简介：本报告将介绍条件高斯 Koopman 网络（Conditional Gaussian Koopman Network, CGKN）。CGKN 是一个能够实现对复杂动力系统预测、数据同化（Data Assimilation, DA）与不确定性量化的统一数据驱动模型框架。CGKN 利用深度 Koopman 算子挖掘未观测状态的潜在表征，将部分观测的非线性动力系统转化为潜空间中的条件高斯替代模型，从而获得解析的数据同化更新而无需集合预报。通过将解析的数据同化公式直接融入模型学习过程，CGKN 构建了一个统一科学机器学习（Scientific Machine Learning, SciML）与数据同化的框架。在一系列经典的非线性湍流偏微分方程的测试中，CGKN能够与现有先进的SciML 方法有相当的预报表现，同时能够实现高效的数据同化。此外，报告还介绍将 CGKN推广至拉格朗日数据同化（Lagrangian DA）以及应用于ENSO预报与同化的近期工作。
报告人简介：王仲睿是威斯康星大学麦迪逊分校数学系博士生，师从陈南教授。他在南京大学获得了大气科学学士和硕士学位，师从雷荔傈教授，从事集合数据同化研究。他的研究位于应用与计算数学、机器学习和地球系统科学的交叉领域，专注于研究非线性非高斯的数据同化算法与机器学习模型。这些研究已应用于利用稀疏漂流浮标轨迹重建海洋流场，以及厄尔尼诺–南方涛动（ENSO）预测与同化等问题，相关成果发表于《Monthly Weather Review》、《Journal of Advances in Modeling Earth Systems (JAMES)》和《Computer Methods in Applied Mechanics and Engineering (CMAME)》等国际学术期刊。
报告邀请人：张晔宇
