目前在美国宾夕法尼亚大学化学和生物分子工程系担任助理教授。其于2013年本科毕业于清华大学(热能和经济学双学位、计算机辅修),2020年博士毕业于布朗大学(应用数学博士学位,工程、应用数学和计算机科学三个硕士学位),在入职宾夕法尼亚大学之前,陆路于2020年到2021年在麻省理工学院数学系担任讲师。其目前的研究集中于嵌入物理的深度学习以及其在工程、物理和生物问题中的应用,他的其他研究方向包括多尺度模拟和高性能计算。陆路是嵌入物理的深度学习软件程序包Deep XDE以及深度算子软件程序包DeepOnet的主要开发者。其工作主要发表在Proceedings of the National Academy of Sciences, Nature Machine Intelligence, Nature Reviews Physics, SIAM Review, SIAM Journal on Scientific Computing, Journal of Computational Physics等国际高水平杂志上。
许志钦
上海交通大学自然科学研究院/数学科学学院长聘教轨副教授。2012年本科毕业于上海交通大学致远学院。2016年博士毕业于上海交通大学,获应用数学博士学位。2016年至2019年,在纽约大学阿布分校和柯朗研究所做博士后。主要研究方向是机器学习和计算神经科学。其组建并领导了一个深度学习的团队,与合作者共同发现深度学习中的频率原则和能量景观嵌入原则等。论文发表于Journal of Machine learning Research, AAAI, NeurIPS, CSIAM Trans. Appl. Math., Communications in Computational Physics,European Journal of Neuroscience和Communications in Mathematical Sciences等国际高水平学术期刊和会议。
课程视频及参考文献
课程视频下载密码:safh
Physics Informed Deep Learning (Part I)
Physics Informed Deep Learning (Part II)
DeepXDE- A Deep Learning Library for Solving Differential Equations