应我校陆内火山与地震教育部重点实验室陈雨青讲师的邀请，美国洛斯阿拉莫斯国家实验室博士后研究员冯诗航将于11月7日到我校进行学术交流，并做学术报告。

题目：物理知识引导的机器学习在地震勘探中的应用

时间：2023年11月6日（星期一）14:00-15:00

地点：教五楼227会议室

报告人简介：
   冯诗航，前美国洛斯阿拉莫斯国家实验室博后研究员。2012年本科毕业于中国石油大学（北京），2014年硕士毕业于犹他大学。后于2015年至2019年前往沙特阿卜杜拉国王科技大学攻读博士学位。博士毕业后2020年至2023年期间于美国洛斯阿拉莫斯国家实验室任博后研究员。主要从事机器学习，地震反演，医疗成像，电磁反演等方面研究。迄今已在机器学习顶级会议ICML，NeurIPS发表3篇论文，于IEEE Transactions on Geoscience and Remote Sensing, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Geophysics, Geophysical Prospecting等期刊发表SCI论文12篇。主持1项美国洛斯阿拉莫斯国家实验室科研项目，并参与多项美国能源部国家级科研项目。美国勘探地球物理学会（SEG）研究委员会青年分会委员。担任 IEEE Transactions on Neural Network and Learning System, IEEE Transactions on Geoscience and Remote Sensing, Geophysics,NeurIPS等期刊和会议审稿专家。

报告内容简介：

   随着深度学习技术的不断进步，研究人员积极探索数据驱动的解决方案来应对复杂的物理问题。尤其在自然语言处理和图像处理领域已经取得了显著的成果，但与之不同的是，物理问题的数据获取和处理一直是耗时而困难的任务。因此，大规模数据采集在这一领域难以实现。面对这一挑战，研究者们正致力于寻找方法，以在有限数据条件下充分利用已知的物理信息，从而降低深度学习模型对数据的依赖性。

   地震勘探作为一项重要的地球物理技术，用于研究地下结构和地质特征。其基本原理是在地表上生成地震波，然后测量这些地震波在地下传播和反射的情况，以获取有关地下情况的信息。这一方法在多个领域中被广泛应用，包括油气资源勘探、地质灾害研究以及碳封存环境监测等。在本报告中，我们将以机器学习在地震勘探领域的应用为例，探讨如何将物理知识与机器学习相融合，并展望未来的发展趋势。

   欢迎广大师生参加，研究生记学术报告一次！

陆内火山与地震教育部重点实验室
地球物理与信息技术学院
科技处
研究生院