时间：2020年7月3日上午9:30 开始
报告平台：腾讯会议
会议ID： 471 521 279 （密码863923）
报告题目：Toward Robust Iterative Linear Solution Methods
报告摘要：Solving large-scale sparse linear algebraic systems in a robust manner is a dream for many computational scientists who work on practical engineering applications. In this talk, we review old and new techniques for improving robustness of iterative solvers for large-scale sparse linear equations. In particular, we will discuss methods based on machine learning to automatically select solver components in order to get better overall simulation performance. Deep learning techniques, which have gained popularity in many application areas of machine learning, can be used to enhance this automatic selection procedure.
报告人简介：
张晨松，中国科学院数学与系统科学研究院计算数学所副研究员。1999年获南京大学计算数学硕士学位，2007年获得美国马里兰大学应用数学博士学位，此后在美国宾州州立大学数学系从事博士后研究工作。于2011年加入中国科学院数学与系统科学研究院计算数学所。主要研究兴趣：自适应有限元方法、多重网格法、流固耦合模拟和油藏模拟中的快速求解算法等。2012年在第二十一届国际区域分解法会议（法国）做大会特邀报告，2013年在第16届全国流体力学数值方法会议做大会特邀报告。
