2025年8月14日下午，英国华威大学何黎刚博士应邀在东五楼210学术报告厅为实验室师生带来了一场题为“DP-PINN+: A Dual Phase PINN Training with Automated Phase Division”的学术报告。

何博士指出，物理信息神经网络（PINNs）近年来被认为是解决非线性偏微分方程的一种前景广阔的方法，因为它能够将物理约束与深度神经网络的表达能力相结合。然而，已有研究表明，标准 PINNs 在处理不同类型的方程时往往难以保持稳定的精度，尤其在部分区域会出现预测不准确的情况。常见的应对方式是将时间域划分并逐段训练，但这种方法容易导致误差在时间演化过程中逐步累积，特别是在求解刚性方程时问题更为突出。针对这些挑战，何教授提出了一种新的训练思路，其核心在于通过重新设计训练流程，突破传统 PINNs 的单一模式，从而有效缓解误差累积并提升整体预测能力。该方法通过引入新的训练阶段划分机制以及更合理的学习策略，使模型在长时间尺度和复杂方程场景下能够保持更高的稳定性与精度。在报告最后，现场师生积极提问，何教授逐一作出了耐心细致的解答，并与大家展开了深入讨论。讨论氛围热烈，学术气息浓厚。

何黎刚本科和硕士毕业于华中科技大学，博士毕业于英国华威大学计算机系，并在剑桥大学进行博士后研究，现为华威大学计算机系Reader。当前的研究方向包括并行或分布式机器/深度学习、集群、云计算和边缘计算、并行化/分布式数据分析方法，以及并行与分布式系统中的杂项问题，ScholarGPS2024 榜单分布式计算领域全球前0.5%学者。在IEEE TC, TPDS, TKDE, TCSVT, NeurIPS, SC, ICDCS, IPDPS, ICPP, HPCA, EuroSys等国际期刊和会议上发表论文200余篇，并且多次获得最佳论文奖。主持和承担过英国、欧盟及企业界多个研究项目。

（通讯员：齐豪）