本期为TechBeat人工智能社区第478期线上Talk！
北京时间3月8日(周三)20:00，斯坦福大学计算机系博士后——吴泰霖的Talk将准时在TechBeat人工智能社区开播！
他与大家分享的主题是: “学习可控的自适应多分辨率物理仿真”，届时将分享其提出的第一个能够同时学习物理系统的演化和优化空间分辨率的深度学习代理模型，在多分辨率物理模拟中实现模拟准确度和计算成本的可控的权衡。此工作被接收为ICLR 2023 spotlight。
Talk·信息
▼
主题：学习可控的自适应多分辨率物理仿真
嘉宾： 斯坦福大学计算机系博士后 吴泰霖
时间：北京时间 3月8日 (周三) 20:00
地点：TechBeat人工智能社区
http://www.techbeat.net/
长按识别二维码，一键预约TALK！
Talk·介绍
▼
在科学和工程（物理，流体力学，材料，计算机图形学）中，很多系统都具有多分辨率特性：系统的一小部分非常动态，需要非常细致的分辨率才能准确模拟，而系统大部分变化缓慢，如果用单一分辨率需要大量的计算成本。我们提出第一个能够同时学习物理系统的演化和优化空间分辨率的深度学习代理模型，实现模拟准确度和计算成本的可控的权衡。
-
物理仿真中的多分辨率问题
-
LAMP方法: 学习可控的自适应多分辨率物理仿真
-
实验：在偏微分方程和基于网格的仿真中，LAMP和基线方法的比较
Talk·提问交流
▼
在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！
你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！
Talk·嘉宾介绍
▼
吴泰霖
斯坦福大学计算机系博士后
吴泰霖，斯坦福大学计算机科学系的博士后研究员，由Jure Leskovec教授指导。他从麻省理工物理学博士毕业，其毕业论文主题为AI for Physics and Physics for AI，本科毕业于北京大学。他的研究兴趣为AI+Science，包括开发机器学习方法用于大规模科学和工程模拟，开发神经符号方法用于科学发现，以及由科学问题启发的表示学习（运用图神经网络、信息理论和物理等方法）。他的工作发表在NeurIPS、ICLR、UAI等顶级机器学习会议以及物理学顶级期刊上，并被MIT Technology Review报道。他是美国国家科学院院刊（PNAS）、Nature Communications、Nature Machine Intelligence、Science Advances等期刊的审稿人。
个人主页：https://tailin.org/
长按识别二维码，一键预约TALK！
-The End-
