应太阳集团tyc5997和科研处邀请西安电子科技大学谢晋副教授、西北工业大学苗真博士、西北大学张永超博士将于10月21日为我校师生做学术讲座，欢迎广大师生参加！报告的具体安排如下：
报告时间：2023年10月21日（周六）13:00-14:30
报告地点：太阳集团tyc5997442会议室
报告主题1：Waveform Relaxation for Semi-linear and Quasi-linear Parabolic Equations
报 告 人1：苗真（西北工业大学）
报告主题2：分布式优化与学习
报 告 人2：谢晋（西安电子科技大学）
报告主题3：A Posteriori Error Analysis of the Hybrid High-Order Method for the Stokes Problem
报 告 人3：张永超（西北大学）
报告摘要1：Waveform relaxation method is an effective technique for decoupling systems, initially designed for high-performance computing of large-scale differential systems generated by circuit simulations. When dealing with partial differential equations, especially those with nonlinear terms, the traditional approach of discretizing spatial variables and applying waveform relaxation to the resulting ordinary differential equations may require numerous iterations to ensure convergence. In this report, we explore an alternative approach to solving general semi-linear and quasi-linear parabolic equations using the waveform relaxation method. We initially consider the general waveform relaxation scheme and establish convergence for semi-linear equations using the energy method. This method exhibits superlinear convergence, independent of the time and space mesh size, and can be parallelized effectively, especially when applied to coupled partial differential equations. For second-order quasi-linear parabolic equations, we develop waveform relaxation methods for equations of both divergence and non-divergence types. These methods enable the transformation of solving a complex strongly nonlinear problem into solving a series of weakly nonlinear or linear problems. Superlinear or linear convergence can be achieved by imposing certain convergence conditions.
报告人简介1：苗真，西北工业大学计算数学博士后，博士毕业于西安交通大学。主要从事时间相关偏微分方程高性能计算方法理论及应用研究，包括偏微层面波形松弛方法，有限元方法及建筑动态热性能模拟等。主持中国博士后科学基金面上项目1项，参与国家重点研发计划项目、国家自然科学基金项目、陕西省重点研发计划国际合作重点项目等课题研究，发表了Numer. Algorithms, Numer. Methods Partial Differ. Equ., J. Comput. Math., Int. J. Comput. Math., Appl. Numer. Math., J. Build. Perform. Simul.等10余篇学术期刊论文。
报告摘要2：机器学习作为人工智能领域最重要的分支，近年来在各行各业都取得了令人瞩目的成就。随着数字设备和网络技术的发展，许多场景下集中式机器学习算法已经无法处理分布式存储的数据，需要在保证分布式数据隐私的前提下将集中式机器学习方法应用到分布式数据，一些应用场景中需要将分布式数据进行融合。另一方面，考虑到现实中的一些实际应用场景，需结合实际应用需求，研究不同条件下的去中心化的分布式学习算法，例如考虑训练样本中存在无标签样本、通信网络的连通情况为时变或者存在延迟、通信网络各节点之间通信受限或仅能传输少量数据、训练数据实时到达从而要求学习模型实时更新等情形，研究相应的分布式学习算法，要求收敛性可以得到理论保证，并且可以达到和传统的集中式机器学习算法一样或者相近的结果，同时避免原始数据交流，使得数据隐私得以保护。
报告人简介2：谢晋，博士，西安电子科技大学数学与统计学院副教授，硕士研究生导师。主要研究基于多智能体一致性的分布式优化与学习，共发表学术论文20余篇，其中以第一或者通讯作者在AMC、INS、SCTS、NN、KBS等期刊发表论文10余篇。主持国家自然科学基金青年基金一项、高等学校基本科研业务自由探索类重点项目一项、博士后特别资助（站中）项目一项，担任西电-九洲先进计算联合实验室副主任，主持横向合作项目子项目两项。
报告摘要3：In this talk, we present a residual-based a posteriori error estimator for the Hybrid High-Order (HHO) method for the Stokes model problem. Both the proposed HHO method and error estimator are valid in two and three dimensions and support arbitrary approximation orders on fairly general meshes. The upper bound and lower bound of the error estimator are proved, in which proof, the key ingredient is a novel stabilizer employed in the discrete scheme. By using the given estimator, adaptive algorithm of HHO method is designed to solve model problem. Finally, the expected theoretical results are numerically demonstrated on a variety of meshes for model problem.
报告人简介3：张永超, 西北大学数学学院讲师. 2020年6月获西安交通大学理学博士学位, 研究方向为偏微分方程数值解, 主要研究工作包括自由流和多孔介质流等模型的间断 Galerkin方法、杂交高阶间断方法及后验误差估计, 神经网络求解偏微分方程等. 主持国家自然科学青年基金一项, 部分相关工作发表在 Journal of Computational Physics 和 Journal of Scientific Computing 等期刊。
