刘健教授，中国科学技术大学

等离子体物理在聚变能研究、深空探测、工业加工与材料处理等众多关键领域具有重要应用，而等离子体系统因自身具有多尺度、非线性、多组分、开放性等复杂性特点，为传统的实验、理论与模拟研究方法带来大量困难。机器学习方法通过利用来自实验与模拟等多种来源的科学数据训练算法，得到更加灵活而有效的工具，在数据处理、模拟、预测、反演等问题中逐步发挥出特有的优势。同时，利用机器学习手段来简化物理模型、降低模型维度、挖掘物理规律也引起了更多关注。本次报告介绍等离子体物理研究中涉及到的一些机器学习问题与挑战，并讨论机器学习如何作为传统实验与理论的桥梁，逐渐发展成为数据驱动等离子体物理研究的新方向。